When Should a Network Emit Geometry, and When Should It Detect It? Readout, Reconciliation, and Representation in Floorplan Vectorization

ملخص تقني: القراءة، والمصالحة، والتمثيل في تحويل المخططات الأرضية إلى رسوم متجهة (Vectorization)

بيان المشكلة
يتناول البحث مهمة تحويل صور المخططات الأرضية من الصيغة النقطية (Raster) إلى نماذج متجهة (Vector) قابلة للتعديل، تتكون من جدران، وفتحات (أبواب/نوافذ)، وغرف مصنفة. وبينما تركز المعايير المرجعية الحالية على مقاييس قياسية مثل "التقاطع فوق الاتحاد" (IoU) ودرجات F1، يرى المؤلف أن القيمة النهائية لهذه الأنظمة تكمن في الجهد البشري المطلوب لتصحيح المسودات الناتجة. علاوة على ذلك، ينقسم المجال حول سؤالين منهجيين أساسيين: (1) هل يجب على الشبكة أن تُصدر هندسة كمتتالية إحداثيات ذاتية الترتيب (Autoregressive)، أم تكتشفها عبر خرائط حرارية كثيفة وتجميع رسومي؟ و(2) هل التمثيل "المتمحور حول الغرفة" (التنبؤ بمضلعات الغرف أولاً) أم التمثيل "المتمحور حول الجدار" (التنبؤ بالجدران أولاً) هو الأفضل لضمان الصلاحية الطوبولوجية؟

المنهجية
يجري المؤلف مقارنة منضبطة باستخدام بنية شبكة واحدة مدربة قادرة على كل من إصدار واكتشاف الهندسة، جنباً إلى جنب مع نظام منفصل متمحور حول الغرفة.

1. الشبكة المتمحورة حول الجدار: يقوم عمود فقري (ResNet مع انتباه تشوهي - Deformable Attention) بتغذية فرعين:
   • مفكك التسلسل (Sequence Decoder): يقوم مفكك تسلسل ذاتي الترتيب بإصدار الجدران والغرف والفتحات كمتتاليات إحداثيات.
   • الفرع الكثيف (Dense Branch): يدرب خرائط حرارية للوصلات، وخطوط المنتصف، والفتحات.
   • طرق القراءة (Readouts): يتم تقييم نفس الشبكة عبر آليتين مختلفتين للقراءة:
     • الإصدار (Emit): توليد متسلسل مباشر.
     • الاكتشاف (Detect): قراءة رسومية خالية من المعاملات تقوم بتجميع الجدران من قمم الوصلات وتغطية خط المنتصف، ثم تستنتج الغرف كوجوه رسومية.
2. النظام المتمحور حول الغرفة: يعتمد على نظام Raster2Seq، الذي يصدر مضلعات الغرف. يتم تطبيق خطوة مصالحة (Reconciliation) حتمية (لحام الرؤوس، وإزالة تكرار الحواف المشتركة، وتقسيم T-splitting) لاستنتاج الجدران من هذه المضلعات.
3. المقاييس:
   • تكلفة التعديل (Edit Cost): مقياس مبتكر يقدر جهد التصحيح البشري من خلال مطابقة العناصر المتوقعة مع الحقيقة الأرضية وحساب مجموع مرجح للعمليات (تحريك، تغيير النوع، إنشاء، حذف، تحويل).
   • المقاييس القياسية: درجات F1 للجدران/الغرف/الفتحات عبر مسح التسامح، والتماسك (Watertightness)، وعدد الجدران المزدوجة.
4. مجموعات البيانات: يستخدم البحث مجموعة CubiCasa5K (مسوحات حقيقية)، ومجموعة اصطناعية مولدة إجرائياً تتوافق مع إحصائيات الوحدات الحقيقية، وResPlan-FP، وهو معيار مرجعي جديد يتكون من 16,998 رسماً متجهاً نظيفاً مع تقسيمات مجمدة.

المساهمات الرئيسية

1. مقارنة القراءة: مقارنة مباشرة بين "الإصدار" و"الاكتشاف" على شبكة ثابتة.
2. تحليل التمثيل: درسة منضبطة تعزل تأثيرات التمثيل عن وصفات التدريب والمعالجة اللاحقة.
3. الدمج والاشتراط (Fusion and Conditioning): استقصاء ما إذا كان مخرج أحد الأنظمة يمكن أن يشترط (كإدخال) نظاماً آخر أو يتم دمجه (كإخراج).
4. الموارد: إصدار تصحيحات بيانات CubiCasa5K (skv4)، ومقياس تكلفة التعديل، ومعيار ResPlan-FP.

النتائج

• الإصدار مقابل الاكتشاف:
  • المسوحات الحقيقية (CubiCasa5K): يتفوق الاكتشاف (القراءة الرسومية) على الإصدار ذاتي الترتيب في جميع مقاييس الجدران. عند مستوى تسامح صارم (0.015)، يحقق الاكتشاف زيادة قدرها +5.1 في درجة F1. وتتوسع هذه الميزة مع حجم المخطط؛ حيث يتفوق الاكتشاف في المخططات الكبيرة، بينما يتفوق الإصدار في المخططات الصغيرة.
  • الرسومات النظيفة (ResPlan/Open-Plan): ينعكس الاتجاه. يتفوق فك التسلسل المتسلسل على الاكتشاف بمقدار 5-8 نقاط عندما يكون المفكك قد تدرب على أسلوب الرسم المحدد. وتحت ظروف تغير النطاق (Domain Shift)، يظل الاكتشاف تنافسياً فقط إذا تمت معايرة عتباته ضمن النطاق.
  • الفتحات: قراءة خريطة الحرارة للفتحات (التي يتجاهلها مفكك التسلسل) يحسن درجة F1 للفتحات بمقدار 2.6 ضعف دون إعادة تدريب، مما يشير إلى أن الفتحات تُعالج بشكل أفضل كمسائل اكتشاف محلية.
• التمثيل (المتمحور حول الغرفة مقابل المتمحور حول الجدار):
  • خلافاً للافتراض بأن تسلسل الجدراء أولاً يضمن الصلاحية الطوبولوجية، حقق النظام المتمحور حول الغرفة (مع المصالحة) جودة جدران مماثلة أو متفوقة (F1 +3.1 نقطة) وتكلفة تعديل أقل بكثير (~30% تقليل) مقارنة بالإصدار الأصلي المتمحور حول الجدار.
  • وجد أن أخطاء "الجدار المزدوج" التي نُسبت سابقاً للتمثيل المتمحور حول الغرفة كانت ناجمة عن غياب خطوة المصالحة، واتفاقيات التقييم، وتغير النطاق، وليس بسبب التمثيل نفسه.
  • القيد الوحيد المتبقي للتمثيل المتمحور حول الغرفة هو حد التغطية (Coverage Limit): لا يمكنه استعادة الجدران التي لا تحيط بغرفة (مثل الجدران الخارجية أو الجدرة الطرفية)، مما يؤدي إلى انخفاض الاستدعاء (Recall) لتلك العناصر المحددة.
• الدمج مقابل الاشتراط:
  • الاشتراط من جهة الإدخال (Input Conditioning): تقديم مسودة أحد الأنظمة كقناة إدخال لنظام آخر لا يقدم أي فائدة (0/3 نجاح). يجادل المؤلف بأن المسودة هي قراءة زائدة لنفس الصورة ($I(Y; D|X) = 0$)، ولا تقدم أي معلومات جديدة.
  • الدمج من جهة المخرجات (Output Fusion): يؤدي الدمج الحتمي للجدران عالية الدقة والمصالحة (المتمحورة حول الغرفة) مع الجدران عالية الاستدعاء (المتمحورة حول الجدار) من النظام المتمحور حول الجدار إلى مكسب كبير (+7.1 نقطة F1). ويُعزى ذلك إلى تكامل الأخطاء بدلاً من تآزر التمثيل.
• المقارنات المرجعية (Baselines):
  • في ResPlan-FP، يفشل النظام المتمحور حول الغرفة (Zero-shot) بشكل كبير (معدل فشل حاد 26.7%)، بينما يحقق نظام الدمج 0.688 F1.
  • ينتج نموذج لغوي بصري (VLM) متطور (Gemini 3.1 Pro) مخرجات ذات صلاحية طوبولوجية ولكنها خشنة هندسياً (0.811 F1 عند تسامح 0.05، وتنخفض إلى 0.472 عند 0.015).

الأهمية والادعاءات
يزعم البحث أنه بالنسبة لتحويل المخططات الأرضية إلى رسوم متجهة، فإن اختيار تمثيل المخرجات أقل حسماً مما هو مفترض عادةً. فمع وجود بيانات متطابقة ومعالجة لاحقة (مصالحة)، يحقق كل من النظام المتمحور حول الغرفة والنظام المتمحور حول الجدار جودة جدران مماثلة. العوامل الرئيسية التي تقود الأداء هي:

1. استراتيجية القراءة: الاكتشاف هو الأفضل للمسوحات الحقيقية الكبيرة والمشوشة، بينما الإصدار هو الأفضل للرسومات النظيفة حيث تعلم النموذج الأسلوب المحدد.
2. المعالجة اللاحقة: خطوات المصالحة ضرورية للأنظمة المتمحورة حول الغرفة لتحقيق الصلاحية الطوبولوجية.
3. التكامل (Complementarity): دمج الأنظمة على مستوى المخرجات فعال، بينما استخدام أحدهما كسابقة (Prior) للآخر على مستوى المدخلات ليس كذلك.

يؤكد المؤلف أن مقياس "تكلفة التعديل" يعكس المنفعة العملية بشكل أفضل من درجات F1 القياسية، ويوفر معيار ResPlan-FP لتسهيل الأبحاث المستقبلية ببيانات معيارية وقابلة لإعادة التوزيع.