技術概要: PolyLayout

問題提起

物理的に妥当な3Dルームレイアウトの生成は、家具小売業において極めて重要であり、顧客が自身の空間に製品を配置した様子を可視化することを可能にします。しかし、学術研究と実世界のアプリケーションの間には大きな隔たりが存在します。既存のソリューションは、主に理想的な長方形の部屋内での家具配置のアルゴリズム戦略に焦点を当てています。これらは、実際の住宅に多く見られる複雑な非長方形の形状（L字型、T字型、または切り欠きのある壁など）や、厳格な建築的制約（ドア、窓、アルコーブ）をほとんど考慮していません。さらに、純粋なデータ駆動型のアプローチは、レイアウト生成をブラックボックス的なマッピングとして扱うことが多く、ハードな空間制約の強制に失敗することがあります。これにより、オブジェクトが衝突したり、人間工学的な関係性を損なったり、境界線を越えて突出したりするレイアウトが生じます。逆に、大規模言語モデル（LLM）や視覚言語モデル（VLM）のようなセマンティックモデルは、機能的な推論には優れていますが、正確な座標配置に必要な幾何学的精度を欠いており、不規則な多角形の境界をハードな制約としてネイティブに扱うこともできません。

メソドロジー

PolyLayoutは、セマンティックな推論と幾何学的な実現可能性の間の溝を埋めるために設計された、ハイブリッドで階層的なフレームワークを導入します。このシステムは、レイアウト生成を、部屋のトポロジー（glTF形式）と定義済みの家具インベントリを処理する3つの明確なステージに分離します。

1. 入力処理と機能的クラスタリング（ステージ1）

システムはまず、壁の端点を辿ることで真の床ポリゴンを再構築し、非長方形の平面図を正確に保持します。その後、構造的な開口部（ドア/窓）を抽出し、壁に対して内向きの法線（normals）を割り当てます。

• クラスタリング: 家具のインベントリは、ルールベースのタクソノミーを用いて、「機能的なバンドル」（ベッドとナイトスタンドのような一貫したグループ）とスタンドアロンアイテムに分割されます。
• 内部配置: 各バンドル内では、グローバルな配置が行われる前に、必須のアンカー（例：ワークエリアのためのデスク）に対して決定論的なルールベースのテンプレートを用いてアイテムが配置されます。これにより、微細な幾何学（クリアランス、表面への配置）が解決されます。

2. VLMによるマクロ・ルーティング（ステージ2）

視覚言語モデル（VLM）は、バンドルおよびスタンドアロンアイテムの高レベルなセマンティック配置を処理します。

• コンテキスト: VLMはマルチモーダルな入力を受け取ります。これには、色分けされた壁と開口部を含む部屋のトップダウンレンダリング、寸法と開口部の構造化されたテキスト記述、およびアイテムの寸法が含まれます。
• 検索拡張生成（RAG）: 整理されたインテリアデザインのガイドライン（例：通路のクリアランス）を検索してVLMに情報を与えることで、空間プランが合成されます。
• セマンティックな提案: VLMは、生の座標ではなく、相対的な配置の提案（例：「壁の中央」、「ドアの隣」、「ソファの前」）を出力します。これらの提案は、実現可能性を確保するために、参照依存のセットに制限されています。

3. 動的配置による幾何学的実現（ステージ3）

決定論的なソルバーが、セマンティックな提案を正確で衝突のない3Dポーズへと変換します。

• 依存関係の順序付け: オブジェクトは、参照依存関係の幅優先探索に基づいた特定の順序（例：大きなアンカーを先に、壁掛けアイテムを最後に）で配置されます。
  تعتبر。
• 実現可能性テスト: 候補となるポーズは、そのオブジェクトが床ポリゴンの完全に内部にあり、すべての開口部をクリアし、かつ既に配置された他のオブジェクトと重ならない場合にのみ受理されます。
• ローカルサーチ: 主要なターゲットポーズが実現不可能な場合、ソルバーはセマンティックなアンカーの周囲（例：壁に沿ってスライドさせる）で離散的な探索を行い、有効な位置を見つけ出します。ゼロ重複のポーズが存在しない場合は、最小の重複を持つポーズを割り当てるか、強制的な衝突を避けるためにそのアイテムを「未配置」として報告します。

主な貢献

1. ハイブリッド階層パイプライン: クラスタリング、マクロ・ルーティング、およびマイクロ・リファインメントにレイアウト生成を分離し、セマンティックな意図と幾何学的制約を効果的にデカップリングするエンドツーエンドのアーキテクチャ。
2. 制約を考慮したマクロ・ルーティング: 不規則な多角形の境界や固定された建築的開口部をハードな制約として扱い、それらを実世界のフロアプランにおける実行可能な空間アンカーへと変換するVLM主導の戦略。
3. 業界対応のマイクロ配置: 物理的な実現可能性が不可欠な小売用途に適した、衝突回避の保証を備えた決定論的かつルールベースの幾何学アルゴリズム。

実験結果

本システムは、様々な部屋のトポロジー（開口部のない長方形の部屋、ドア/窓のある長方形の部屋、および5種類の非長方形の平面図（L字、T字、U字、ベベル、カット））を含む、IKEA製品のプロダクション規模のカタログを用いて評価されました。

• 長方形の部屋における性能: ベースラインであるHolodeckおよびLayoutVLMと比較して、PolyLayoutは最高の知覚的妥当性スコア（2.74/4.0）を達成すると同時に、完全なインバウンズ配置（1.000）と高い配置率（0.973）を維持しました。本システムは、ベースラインが直面していた完全性と妥当性のトレードオフ（LayoutVLMは完全性は高いが妥当性が低く、Holodeckは妥当性は高いが完全性が低い）を解決しました。
• レイテンシ: PolyLayoutはCPUレベルのレイテンシ（約70秒）で動作し、LayoutVLM（約907秒）よりも大幅に速く、Holodeck（約62秒）と同等の速度を実現しています。
• 不規則な形状への汎用性: PolyLayoutは、非長方形の境界と固定された開口部をネイティブに扱うことができる唯一の手法でした。幾何学的な複雑さが増しても、システムは緩やかに劣化し、100%のインバウンズ配置と高い完全性（>95%）を維持しつつ、知覚的妥当性のわずかな低下に留まりました。
• 人間による評価: ブラインドテストにおいて、人間の評価者は61%のケースでベースラインよりもPolyLayoutのレイアウトを好みました。VLMジャッジのスコアは、人間の好みの傾向と良好に相関していました（好ましいレイアウトに関する一致率は72%）。

重要性と主張

論文は、PolyLayoutが学術的なレイアウト生成と実世界の小売要件の間のギャップを正常に埋めたことを主張しています。VLMのセマンティックな推論能力と決定論的な幾何学ソルバーを組み合わせることで、複雑で不規則な住環境においても、機能的に一貫しており、かつ物理的に妥当なレイアウトを生成できます。

著者らは、本システムを、顧客が「空白の部屋」問題に直面する際の障壁を下げるためのツールとして位置付けています。彼らは、システムが現在特定のカタログからの単一の部屋に限定されていること、および微細な配置テンプレートが手動で作成されているためスケーラビリティのコストが生じることを認めつつも、ハイブリッドなアプローチが、既存の手法ではネイティブにサポートできない不規則な境界に対しても、高い知覚品質と幾何学的適合性を低いレイテンシで達成できることを示しています。