💻 computer science

Recognizing and Reconstructing a Multi-Unit Floor Plan

Este artículo propone un nuevo flujo de trabajo que combina las arquitecturas de segmentación MDA-Unet y MACU-Net mejoradas con un módulo de reconstrucción basado en vectorización para sintetizar automáticamente modelos de gemelos digitales 3D a partir de planos arquitectónicos 2D, logrando un rendimiento de vanguardia en el benchmark CubiCasa.

Autores originales: Lukas Kratochvila, Gijs de Jong, Monique Arkesteijn, Simon Bilik, Tomas Zemcik, Karel Horak, Jan S. Rellermeyer

Publicado 2026-06-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Lukas Kratochvila, Gijs de Jong, Monique Arkesteijn, Simon Bilik, Tomas Zemcik, Karel Horak, Jan S. Rellermeyer

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un bombero o un socorrista corriendo hacia un edificio en llamas. Tienes en la mano un mapa de papel plano y en 2D del piso. Está saturado, la tinta podría estar desvanecida y es difícil visualizar instantáneamente en un espacio 3D dónde están las paredes, las puertas o las escaleras mientras corres. Ahora, imagina que pudieras convertir instantáneamente ese mapa de papel plano en un holograma 3D flotante del edificio en tu mente (o en una tableta), mostrándote exactamente por dónde correr y dónde están las salidas.

Ese es el problema que este artículo intenta resolver.

El Problema: El "Mapa Plano" vs. El "Mundo Real"

Las ciudades están creciendo y las emergencias, como incendios o inundaciones, se están volviendo más complejas. Aunque los equipos de emergencia tienen planos de planta en 2D, estos dibujos suelen verse diferentes dependiendo de quién los haya dibujado o qué software hayan utilizado. Convertir un dibujo plano y desordenado en un modelo 3D claro suele requerir que un humano lo construya manualmente, lo cual toma una eternidad. La mayoría de los modelos 3D existentes solo existen para edificios nuevos o son creados mediante escaneos láser costosos y ruidosos (como una nube de puntos), que son demasiado pesados y lentos para un uso rápido en emergencias.

La Solución: El Pipeline del "Traductor Mágico"

Los autores construyeron un pipeline digital que actúa como un traductor superinteligente. Toma un plano de planta 2D desordenado (la entrada) y lo convierte automáticamente en un modelo 3D limpio (la salida). Dividieron este proceso en dos etapas principales: Reconocimiento y Reconstrucción.

1. Reconocimiento: El "Detective de Ojos de Águila"

Primero, el sistema necesita mirar el dibujo plano y entender qué es cada cosa. ¿Es eso una pared? ¿Una ventana? ¿Una puerta corredera? ¿Una escalera?

Para hacer esto, construyeron dos nuevos "detectives" (modelos de IA llamados CAB1 y CAB2). Piensa en estos detectives como si tuvieran gafas especiales:

Convolución Asimétrica: En lugar de mirar la imagen con una lente cuadrada estándar, estos detectives usan lentes en forma de "L" o de "T". Esto les ayuda a detectar paredes largas y delgadas o esquinas mucho mejor que las herramientas estándar.
El Mecanismo de Atención: Imagina a un detective que sabe exactamente dónde mirar. Esta característica le dice a la IA: "Ignora el ruido de fondo; concéntrate en las bisagras de las puertas y los bordes de las paredes". Esto resalta las partes importantes del dibujo.
Conexiones de Salto Multiescala: Esto es como tener un equipo de detectives trabajando juntos. Uno mira el panorama general (el diseño completo de la planta), mientras que otro hace zoom en detalles diminutos (una pequeña ventana). Comparten sus notas instantáneamente para que la imagen final sea perfecta.

La IA no solo adivina; aprende mirando miles de ejemplos, intentando que la "puntuación" (qué tan bien identificó paredes frente a puertas) sea lo más alta posible.

2. Reconstrucción: El "Escultor del Arquitecto"

Una vez que la IA ha identificado cada pared y puerta, tiene una máscara pixelada y desordenada (como un libro para colorear donde cada color es un objeto diferente). La segunda etapa es el Escultor.

Limpieza: El escultor toma los píxeles desordenados y los suaviza, eliminando bultos y errores pequeños.
Vectorización: Convierte esos píxeles difusos en líneas y formas matemáticas nítidas (polígonos). Es como trazar sobre un boceto tosco con una regla perfecta.
Construcción del Modelo 3D: Finalmente, toma esas formas 2D y les da altura. Sabe que las paredes suben, las puertas tienen marcos y las escaleras suben en peldaños. Construye un modelo 3D que puede verse en un software 3D (como Blender).

Los Resultados: ¿Funcionó?

Los autores probaron su "Traductor Mágico" contra otros métodos de alto nivel utilizando un famoso conjunto de datos de planos de planta llamado CubiCasa.

La Puntuación: Sus nuevos modelos (CAB1 y CAB2) lograron una puntuación de 0.86 (en una escala donde 1.0 es perfecto).
La Competencia: Los otros mejores métodos solo puntuaron alrededor de 0.74.
El Veredicto: Su sistema fue significamente mejor en la detección de paredes, puertas, ventanas y escaleras, incluso cuando los planos de planta provenían de diferentes países o estaban dibujados en diferentes estilos.

También lo probaron en un nuevo conjunto de datos muy complejo de edificios grandes (MURF) y demostraron que podía manejar planos grandes y desordenados con los que otros sistemas tuvieron dificultades.

¿Qué sigue? (Según el artículo)

Los autores admiten que su sistema aún no es perfecto.

Escaleras: Actualmente, las escaleras 3D parecen escalones bloqueados porque el sistema convierte las curvas en líneas rectas. Todavía no sabe hacia qué dirección miran las escaleras.
Objetos Redondos: Si un edificio tiene una torre redonda, el sistema la convierte en un polígono (una forma de muchos lados) que se parece un poco a una señal de alto en lugar de un círculo perfecto.
Planos de Papel Antiguos: Quieren entrenar su sistema para leer planos de papel antiguos, dibujados a mano, que aún no han sido digitalizados.

La Conclusión

Este artículo presenta una nueva forma automatizada de convertir dibujos de edificios planos y en 2D en modelos 3D. Al utilizar "detectives" de IA avanzados para reconocer las partes y un "escultor" para construir la forma, crearon un sistema que es más rápido y preciso que los métodos actuales. El objetivo es ayudar a los socorristas de emergencia a comprender mejor los edificios y más rápido, potencialmente salvando vidas durante las crisis. El código de este sistema ya está disponible para que otros lo usen y lo mejoren.

Resumen Técnico: Reconocimiento y Reconstrucción de un Plano de Planta de Unidades Múltiples

Planteamiento del Problema
Los gemelos digitales (DT, por sus siglas en inglés) poseen un gran potencial para la gestión urbana, particularmente en la planificación de emergencias, el diseño de rutas de escape y las intervenciones de rescate. Sin embargo, la creación de estos gemelos sigue siendo mayoritariamente manual debido a la escasez de representaciones 3D existentes, que a menudo solo están disponibles para edificios nuevos. Si bien los planos de planta arquitectónicos en 2D son ampliamente accesibles a través de las autoridades municipales, presentan desafíos: varían en su renderizado (diferencias textuales y gráficas entre versiones en papel y electrónicas), carecen de la claridad de los espacios 3D y, con frecuencia, existen en formatos ráster en lugar de vectores. Además, los enfoques automatizados existentes suelen asumir entradas vectoriales (inadecuadas para edificios antiguos) o se centran únicamente en apartamentos pequeños de una sola unidad en lugar de planos de planta de unidades múltiples. El desafío central abordado es el reconocimiento fiable de elementos estructurales críticos (paredes, ventanas, escaleras, barandillas) en planos de planta ráster 2D para sintetizar automáticamente una representación 3D (denominada un modelo 2.5D, ya que estima las alturas de los pisos) para su integración en gemelos digitales.

Metodología
Los autores proponen un nuevo flujo de trabajo dividido en dos etapas principales: Reconocimiento y Reconstrucción.

Reconocimiento (Segmentación Semántica):
La fase de reconocimiento utiliza una Red Neuronal Convolucional (CNN) personalizada basada en las arquitecturas MDA-UNet, MACU-Net y U-Net3+. Los modelos propuestos, denominados CAB1 y CAB2, incorporan varias mejoras específicas:
- Bloques de Convolución Asimétrica (AC) Blocks: Reemplaza las convoluciones cuadradas estándar con una agregación de núcleos $k \times k$ , $1 \times k$ y $k \times 1$ para capturar mejor las características de los esqueletos.
- Mecanismo de Atención: Combina módulos de atención espacial y de canal para ponderar los mapas de características según su importancia, infiriendo mapas a partir de características intermedias.
- Conexiones de Salto de Características Multiescala: Las arquitecturas utilizan conexiones de salto para mitigar las desventajas encontradas en los diseños estándar de U-Net3+. CAB1 utiliza conexiones regulares, mientras que CAB2 emplea conexiones de salto multiescala totalmente conectadas, vinculando las capas del decodificador con todas las capas anteriores del codificador y del decodificador.
- Objetivo de Entrenamiento Multitarea: La función de pérdida es una suma ponderada de tres componentes:
  - Pérdida Unificada Asimétrica Focal (Asymmetric Unified Focal Loss): Maneja el desequilibrio de clases al suprimir la pérdida del fondo y realzar la pérdida del primer plano.
  - Pérdida de Campo de Afinidad (Affinity Field Loss): Captura la estructura semántica en las etiquetas.
  - Pérdida de Regresión de Mapa de Calor (Heatmap Regression Loss): Derivada de las máscaras de segmentación para predecir los extremos de las aberturas (puertas, ventanas).
- Gestión de Entradas: Los modelos se entrenan con tamaños de imagen de entrada variables para funcionar como detectores multiescala.
Reconstrucción (Vectorización y Visualización):
La fase de reconstrucción convierte las máscaras de segmentación de píxel a píxel en un modelo 3D mediante:
- Post-procesamiento: Refina los componentes conectados en la máscara hasta alcanzar un umbral de incertidumbre.
- Vectorización: Transforma los componentes refinados en polígonos derivando los extremos de rectángulos rotados de área mínima. Los vértices se fusionan si están suficientemente cerca o son colineales.
- Visualización: El conjunto de polígonos resultante se visualiza utilizando Blender. Las escaleras se visualizan como polígonos de una altura elevada fija, aunque el método actual no tiene en cuenta la orientación de las escaleras.

Contribuciones Clave

Nuevo Flujo de Trabajo: Desarrollo de un marco de extremo a extremo para generar representaciones de edificios 3D a partir de planos de planta ráster 2D convencionales, dirigidos específicamente a estructuras de unidades múltiples.
Innovaciones Arquitectónicas: Propuesta de dos nuevos modelos de segmentación (CAB1 y CAB2) que presentan convoluciones asimétricas, mecanismos de atención y mejores conexiones de salto multiescala.
Evaluación Exhaustiva: El marco fue probado en múltiples conjuntos de datos (CubiCasa, R3D, CVC-FP y un conjunto de datos propietario MURF) y comparado con técnicas de vanguardia (SOTA), específicamente DFPR y CubiCasa5K.
Código Abierto: Los autores han puesto su código a disposición del público para apoyar la investigación adicional en el dominio.

Resultados Experimentales
Los métodos propuestos fueron evaluados utilizando las métricas de Recall, puntuación F1 e Intersección sobre Unión (IoU) en el conjunto de datos de referencia CubiCasa.

Rendimiento: Los modelos CAB1 y CAB2 alcanzaron un F1 promedio de 0.86 y un IoU promedio de 0.76.
Comparación: Estos resultados superaron a las líneas base SOTA modificadas, DFPR $\beta$ (F1: 0.74, IoU: 0.61) y CubiCasa5k $\beta$ (F1: 0.74, IoU: 0.60).
Generalización: Los modelos demostraron un rendimiento constante a través de diferentes conjuntos de datos (CubiCasa, R3D, CVC-FP), siendo CAB2 el que mostró resultados ligeramente mejores en el conjunto de datos CVC-FP.
Rendimiento de Clases Específicas: Los modelos lograron altos valores de recall y F1 para paredes (0.90/0.90), ventanas (0.91/0.90) y escaleras (0.87/0.89).

Significancia y Reivindicaciones
El artículo afirma que el flujo de trabajo propuesto logra cerrar la brecha entre los planos de planta 2D disponibles y la necesidad de gemelos digitales 3D, ofreciendo una alternativa escalable y económica a los métodos de nubes de puntos computacionalmente exigentes. Al automatizar la extracción de elementos estructurales de dibujos 2D diversos y, a menudo, antiguos, el método respalda servicios de emergencia más seguros y eficientes en entornos urbanos en crecimiento.

Los autores señalan modestamente las limitaciones, incluyendo la incapacidad actual de visualizar la orientación de las escaleras y los artefactos generados al convertir objetos circulares en polígonos. Reconocen que los marcos SOTA más recientes (por ejemplo, de [18], [23], [24]) no pudieron compararse directamente debido a la indisponibilidad de los códigos fuente, aunque su recall de reconocimiento de paredes (0.94) se compara favorablemente con los resultados reportados en [24] (0.89). Se identifica como trabajo futuro el enfoque en la alineación de múltiples pisos, la recopilación de conjuntos de datos para edificios públicos y médicos a gran escala, y la mejora de la segmentación para planos basados en papel más antiguos.