💻 computer science

Recognizing and Reconstructing a Multi-Unit Floor Plan

Questo articolo propone una nuova pipeline che combina le architetture di segmentazione MDA-Unet migliorata e MACU-Net con un modulo di ricostruzione basato sulla vettorizzazione per sintetizzare automaticamente modelli digital twin 3D da planimetrie architettoniche 2D, raggiungendo prestazioni state-of-the-art sul benchmark CubiCasa.

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

Pubblicato 2026-06-19

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

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

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di essere un vigile del fuoco o un soccorritore che corre dentro un edificio in fiamme. Hai in mano una mappa cartacea piatta e 2D dell'interno, ed è confusa, l'inchiostro potrebbe essere sbiadito ed è difficile visualizzare istantaneamente dove si trovano muri, porte e scale nello spazio 3D mentre corri. Ora, immagina se potessi trasformare istantaneamente quella mappa cartacea piatta in un ologramma 3D fluttuante dell'edificio nella tua mente (o su un tablet), mostrandoti esattamente dove correre e dove si trovano le uscite.

Questo è il problema che questo articolo cerca di risolvere.

Il Problema: La "Mappa Piatta" vs. Il "Mondo Reale"

Le città crescono e le emergenze come incendi o inondazioni stanno diventando più complesse. Sebbene i team di emergenza abbiano planimetrie 2D, questi disegni spesso appaiono diversi a seconda di chi li ha disegnati o di quale software siano stati utilizzati. Trasformare un disegno piatto e disordinato in un modello 3D chiaro richiede solitamente che un essere umano lo costruisca manualmente, il che richiede troppo tempo. La maggior parte dei modelli 3D esistenti esiste solo per edifici nuovi o viene creata utilizzando costose e rumorose scansioni laser (come una nuvola di punti), che sono troppo pesanti e lente per un uso rapido in caso di emergenza.

La Soluzione: La Pipeline del "Traduttore Magico"

Gli autori hanno costruito una pipeline digitale che agisce come un traduttore super intelligente. Prende una planimetria 2D disordinata (l'input) e la trasforma automaticamente in un modello 3D pulito (l'output). Hanno diviso questo processo in due fasi principali: Riconoscimento e Ricostruzione.

1. Riconoscimento: Il "Detective con Vista da Aquila"

Per prima cosa, il sistema deve guardare il disegno piatto e capire cos'è tutto quanto. Questo è un muro? Una finestra? Una porta scorrevole? Una scala?

Per farlo, hanno costruito due nuovi "detective" (modelli AI chiamati CAB1 e CAB2). Immaginate questi detective come dotati di occhiali speciali:

Convoluzione Asimmetrica: Invece di guardare l'immagine con una standard lente quadrata, questi detective usano lenti a forma di "L" o di "T". Questo aiuta a individuare meglio muri lunghi e sottili o angoli rispetto agli strumenti standard.
Il Meccanismo di Attenzione: Immaginate un detective che sa esattamente dove guardare. Questa caratteristica dice all'IA: "Ignora il rumore di fondo; concentrati sulle cerniere delle porte e sui bordi dei muri". Evidenzia le parti importanti del disegno.
Connessioni Skip Multi-Scala: Questo è come avere un team di detective che lavorano insieme. Uno guarda il quadro generale (la disposizione dell'intero piano), mentre un altro si concentra sui minimi dettagli (una piccola finestra). Condividono istantaneamente i propri appunti in modo che l'immagine finale sia perfetta.

L'IA non si limita a indovinare; impara guardando migliaia di esempi, cercando di ottenere il punteggio ("score") più alto possibile (quanto bene ha identificato muri rispetto a porte).

2. Ricostruzione: Lo "Scultore dell'Architetto"

Una volta che l'IA ha identificato ogni muro e porta, ha una maschera pixelata e disordinata (come un libro da colorare dove ogni colore rappresenta un oggetto diverso). La seconda fase è lo Scultore.

Pulizia: Lo scultore prende i pixel disordinati e li leviga, rimuovendo piccole protuberanze ed errori.
Vettorializzazione: Trasforma quei pixel sfocati in linee e forme matematiche nitide (poligoni). È come ricalcare uno schizzo grezzo con un righello perfetto.
Costruzione del Modello 3D: Infine, prende quelle forme 2D e dà loro un'altezza. Sa che i muri si alzano, le porte hanno cornici e le scale salgono a gradini. Costruisce un modello 3D che può essere visualizzato in software 3D (come Blender).

I Risultati: Ha Funzionato?

Gli autori hanno testato il loro "Traduttore Magico" contro altri metodi di alto livello utilizzando un famoso dataset di planimetrie chiamato CubiCasa.

Il Punteggio: I loro nuovi modelli (CAB1 e CAB2) hanno raggiunto un punteggio di 0,86 (su una scala dove 1,0 è il massimo).
La Competizione: Gli altri migliori metodi hanno ottenuto solo circa 0,74.
Il Verdetto: Il loro sistema è stato significativamente migliore nel trovare muri, porte, finestre e scale, anche quando le planimetrie provenivano da paesi diversi o erano disegnate con stili differenti.

Hanno inoltre testato il sistema su un nuovo dataset molto complesso di grandi edifici (MURF) e hanno dimostrato che può gestire piani grandi e disordinati con cui altri sistemi hanno avuto difficoltà.

Cosa C'è Dopo? (Secondo l'Articolo)

Gli autori ammettono che il loro sistema non è ancora perfetto.

Scale: Attualmente, le scale 3D sembrano gradini squadrati perché il sistema trasforma le curve in linee rette. Non sa ancora in quale direzione siano orientate le scale.
Oggetti Arrotondati: Se un edificio ha una torre circolare, il sistema la trasforma in un poligono (una forma con molti lati) che sembra un segnale stradale invece di un cerchio perfetto.
Vecchie Piante Cartacee: Vogliono addestrare il loro sistema a leggere vecchie planimetie cartacee disegnate a mano che non sono ancora state digitalizzate.

In Sintestesi

Questo articolo presenta un nuovo modo automatizzato per trasformare piatti disegni edilizi 2D in modelli 3D. Utilizzando avanzati "detective" basati su IA per riconoscere le parti e uno "scultore" per costruire la forma, hanno creato un sistema più veloce e accurato rispetto ai metodi attuali. L'obiettivo è aiutare i soccorritori a comprendere meglio e più velocemente gli edifici, salvando potenzialmente vite durante le crisi. Il codice di questo sistema è ora disponibile affinché altri possano usarlo e migliorarlo.

Sintesi Tecnica: Riconoscimento e Ricostruzione di una Pianta Multi-Unità

Definizione del Problema
I digital twin (DT) possiedono un potenziale significativo per la gestione urbana, in particolare per la pianificazione delle emergenze, la progettazione delle vie di fuga e gli interventi di soccorso. Tuttavia, la creazione di questi gemelli digitali rimane ampiamente manuale a causa della scarsità di rappresentazioni 3D esistenti, che sono spesso disponibili solo per edifici nuovi. Sebbene le piante architettoniche 2D siano ampiamente accessibili presso le autorità municipali, esse presentano diverse sfide: variano nella resa (differenze testuali e grafiche tra versioni cartacee ed elettroniche), mancano di chiarezza rispetto agli spazi 3D e spesso esistono in formati raster piuttosto che vettoriali. Inoltre, gli approoli automatizzati esistenti spesso presuppongono input vettoriali (non adatti per edifici più vecchi) o si concentrano solo su piccoli appartamenti a unità singola anziché su piante multi-unità. La sfida centrale affrontata è il riconoscimento affidabile degli elementi strutturali critici (muri, finestre, scale, ringhiere) in piante iche 2D raster per sintetizzare automaticamente una rappresentazione 3D (definita un modello 2.5D poiché stima le altezze dei piani) per l'integrazione nei digital twin.

Metodologia
Gli autori propongono una nuova pipeline suddivisa in due fasi principali: Riconoscimento e Ricostruzione.

Riconoscimento (Segmentazione Semantica):
La fase di riconoscimento utilizza una rete neurale convoluzionale (CNN) personalizzata basata sulle architetture MDA-UNet, MACU-Net e U-Net3+. I modelli proposti, denominati CAB1 e CAB2, incorporano diversi miglioramenti specifici:

Blocchi di Convoluzione Asimmetrica (AC): Sostituiscono le standard convoluzioni quadrate con un'aggregazione di kernel $k \times k$ , $1 \times k$ e $k \times 1$ per catturare meglio le caratteristiche dello scheletro.
Meccanismo di Attenzione: Combina moduli di attenzione spaziale e di canale per pesare le mappe di caratteristiche in base alla loro importanza, inferendo mappe dalle caratteristiche intermedie.
Connessioni di Skip Multi-Scala: Le architetture utilizzano connessioni di skip per mitigare i disavanzi riscontrati nelle progettazioni standard di U-Net3+. CAB1 utilizza connessioni regolari, mentre CAB2 impiega connessioni di skip multi-scala completamente connesse, collegando i livelli del decoder a tutti i precedenti livelli dell'encoder e del decoder.
Obiettivo di Addestramento Multi-Task: La funzione di perdita è una somma pesata di tre componenti:
- Asymmetric Unified Focal Loss: Gestisce lo squilibrio delle classi sopprimendo la perdita del background e potenziando la perdita del foreground.
- Affinity Field Loss: Cattura la struttura semantica nelle etichette.
- Heatmap Regression Loss: Derivata dalle maschere di segmentazione per predire gli endpoint delle aperture (porte, finestre).
Gestione dell'Input: I modelli sono addestrati con dimensioni variabili dell'immagine di input per funzionare come rilevatori multi-scala.

Ricostruzione (Vettorizzazione e Visualizzazione):
La fase di ricostruzione converte le maschere di segmentazione per pixel in un modello 3D attraverso:

Post-processing: Raffina le componenti connesse nella maschera fino al raggiungimento di una soglia di incertezza.
Vettorizzazione: Trasforma le componenti raffinate in poligoni derivando gli endpoint di rettangoli ruotati di area minima. I vertici vengono uniti se sono sufficientemente vicini o collineari.
Visualizzazione: L'insieme di poligoni risultante viene visualizzato tramite Blender. Le scale vengono visualizzate come poligoni di un'altezza fissa ed elevata, sebbene l'attuale metodo non tenga conto dell'orientamento delle scale.

Contributi Chiave

Nuova Pipeline: Sviluppo di un framework end-to-end per la generazione di rappresentazioni edilizie 3D da convenzionali piante 2D raster, mirando specificamente a strutture multi-unità.
Innovazioni Architetturali: Proposta di due nuovi modelli di segmentazione (CAB1 e CAB2) caratterizzati da convoluzioni asimmetriche, meccanismi di attenzione e connessioni di skip multi-scala migliorate.
Valutazione Esaustiva: Il framework è stato testato su molteplici dataset (CubiCasa, R3D, CVC-FP e un dataset proprietario MURF) e confrontato con le tecniche state-of-the-art (SOTA), specificamente DFPR e CubiCasa5K.
Open Source: Gli autori hanno reso il proprio codice pubblicamente disponibile per supportare ulteriori ricerche nel dominio.

Risultati Sperimentali
I metodi proposti sono stati valutati utilizzando le metriche di Recall, F1 score e Intersection over Union (IoU) sul dataset di benchmark CubiCasa.

Prestazioni: I modelli CAB1 e CAB2 hanno raggiunto un F1 score medio di 0.86 e un Iou medio di 0.76.
Confronto: Questi risultati hanno superato le baseline SOTA modificate, DFPR $\beta$ (F1: 0.74, IoU: 0.61) e CubiCasa5k $\beta$ (F1: 0.74, IoU: 0.60).
Generalizzazione: I modelli hanno dimostrato prestazioni costanti attraverso diversi dataset (CubiCasa, R3D, CVC-FP), con CAB2 che mostra risultati leggermente migliori sul dataset CVC-FP.
Prestazioni per Classe Specifica: I modelli hanno ottenuto un alto recall e F1 score per i muri (0.90/0.90), le finestre (0.91/0.90) e le scale (0.87/0.89).

Significatività e Rivendicazioni
Il documento sostiene che la pipeline proposta colma con successo il divario tra le disponibili piante 2D e la necessità di digital twin 3D, offrendo un'alternativa scalabile ed economica ai metodi computazionalmente impegnativi basati su nuvole di punti. Automatizzando l'estrazione degli elementi strutturali da disegni 2D diversificati e spesso datati, il metodo supporta servizi di emergenza più sicuri ed efficienti in contesti urbani in crescita.

Gli autori notano con modestia alcune limitazioni, tra cui l'attuale incapacità di visualizzare l'orientamento delle scale e gli artefatti generati dalla conversione di oggetti circolari in poligoni. Riconoscono che nuovi framework SOTA (ad esempio, da [18], [23], [24]) non potevano essere confrontati direttamente a causa della mancanza di codici sorgente disponibili, sebbene il loro recall nel riconoscimento dei muri (0.94) si confronti favorevolmente con i risultati riportati in [24] (0.89). Il lavoro futuro è identificato nel focus sull'allineamento multi-piano, nella raccolta di dataset per edifici pubblici e medici su larga scala e nel miglioramento della segmentazione per piante cartacee più vecchie.