초록
기존 건물의 문서화 및 분석을 위한 유용한 방법론으로서, 건물정보모델(BIM)을 통한 디지털 재구성은 주목할 만한 가치를 지닌다. 이 과정은 기하학적 데이터 획득(예: 사진측량 또는 레이저 스캐닝을 통해)을 시작으로 정확한 포인트 클라우드 수집을 수행한다. 그러나 획득된 데이터는 노이즈가 많고 구조가 없으며, 의미 있는 세미틱(semantically meaningful) BIM 표현을 생성하기 위해서는 막대한 계산 자원과 동시에 비용이 많이 들고 시간이 오래 소요되는 인적 라벨링 작업이 필요하다. 본 논문에서는 완전 자동화된 스캔-투-BIM 파이프라인을 제안한다. 제안하는 접근법은 다음과 같은 세 가지 요소에 기반한다: (i) 두 개의 대규모 건물에서 수집한 자체 데이터셋(HePIC)으로, 기존 BIM 모델을 기반으로 포인트 단위의 세미틱 라벨링이 수행된 데이터; (ii) 세미틱 분할을 위한 새로운 전문화된 딥 네트워크(BIM-Net++)로, 그 출력 결과를 후처리하여 BIM 객체 재구성에 필요한 인스턴스 정보를 추출함; (iii) 대규모 라벨링 데이터와 인적 개입 없이도 효과적으로 학습할 수 있도록 하는 새로운 모델 사전학습 기법 및 클래스 재가중 기법.