Technische Samenvatting: Function2Scene

Probleemstelling

Huidige methoden voor tekstgestuurde 3D-interieurscène-synthese vertrouwen voornamelijk op object-gecentreerde prompts (bijv. "een slaapkamer met een tweepersoonsbed en twee nachtkastjes"). Hoewel deze methoden visueel plausibele scènes kunnen genereren, falen ze vaak in het adresseren van de kern van interieurontwerp: functionaliteit. Echte ontwerpspecificaties zijn functionele specificaties die beschrijven wie een ruimte bezet, wat zij daar doen, en de specifieke beperkingen die hun behoeften opleggen (bijv. "een slaapkamer voor een koppel waarbij één partner laat leest terwijl de ander vroeg slaapt").

Bestaande benaderingen op basis van Large Language Models (LLM's) worstelen met dergelijke hoogwaardige functionele specificaties. Wanneer zij de opdracht krijgen om rechtstreeks vanuit dergelijke prompts scènes te genereren, produceren ze vaak lay-outs die visueel coherent zijn, maar functioneel ongeldig, omdat ze specifieke activiteiten, ergonomische behoeften of omgevingsbeperkingen niet ondersteunen. Bovól de is de ontwerp kennis in deep learning-gebaseerde methoden vaak impliciet en oninterpreteerbaar, wat het moeilijk maakt om te garanderen dat een lay-out menselijk gebruik ondersteunt.

Methodologie: Function2Scene

De auteurs stellen Function2Scene voor, een framework dat het paradigma verschuift van object-gecentreerde generatie naar functionaliteit-eerst lay-outontwerp. Het systeem werkt via een pipeline die natuurlijke taal functionele specificaties parseert naar een gestructureerde set ontwerpbeperkingen en iteratief een lay-out verfijnt om aan deze te voldoen.

1. Taxonomie van Beperkingen

Het systeem fundeert zijn ontwerplogica in een taxonomie van 17 criteria afgeleid uit de interieurontwerpliteratuur, georganiseerd in vier categorieën:

• Ruimtelijk (S1–S5): Reguleert geometrische geldigheid, hechting aan grenzen, ruimtelijke relaties (groepering), schaal/proportie en visuele compositie.
• Ergonomisch (E1–E4): Zorgt voor veilige en comfortabele navigatie en het gebruik, inclusief circulatiepaden, interactie-vrijheidsmarges (bijv. deurzwaai, stoeluitschuifruimte), bereikbaarheid en lichaamsfit/houding.
• Activiteit (A1–A4): Valideert of de lay-out specifieke taken ondersteunt, inclusief zone-allocatie, compatibiliteit van meerdere activiteiten, zichtlijnen/privacy en workflow-sequencing.
• Omgeving (N1–N4): Richt zich op lichttoegang, preventie van verblinding, akoestische scheiding en ventilatie/thermisch comfort.

Deze beperkingen worden toegewezen aan zes prioriteitsniveaus (T1–T6), waarbij eerstere beperkingen (bijv. geometrische geldigheid) moeten worden voldaan voordat hogere niveaus in overweging worden genomen.

2. Pipeline Architectuur

Het systeem functioneert in twee hoofdfases:

A. Initialisatie

• Parsing: Een LLM parseert de ruwe functionele prompt om de persona's van de bewoners, activiteiten en een gestructureerde lijst van beperkingen op basis van de taxonomie te extraheren. Het genereert ook een geherformuleerde, LLM-vriendelijke scènebeschrijving.
• Generatie van de Kamerstructuur: Het systeem genereert de architecturale schil van de kamer (muren, vloeren, deuren, ramen) gecodeerd in een aangepaste JSON-gebaseerde Domain-Specific Language (DSL). Deze stap bevat een menselijke verificatiecontrole om te waarborgen dat de structurele geometrie correct is voordat er meubilair wordt geplaatst.
• Initialisatie van Meubilair: Een initiële meubel lay-out wordt gegenereerd. De auteurs merken op dat LLM's in deze fase vaak ruimtelijk ongeldige resultaten produceren (overlappenden, geblokkeerde paden), wat de verfijningsfase noodzakelijk maakt.

B. Iteratieve Evaluatie en Verfijning (Check-and-Repair Loop)
In plaats van te vertrouwen op een enkele generatiepassage, gebruikt Function2Scene een iteratieve loop geleid door een tool-augmented agent:

1. Evaluatie van Beperkingen: De agent evalueert beperkingen sequentieel op basis van prioriteit. Het roept gespecialiseerde tools aan om gegevens te verzamelen:
   • Geometrische Tools: Berekenen kwantitatieve maten (bijv. overlapratio's, padvinden, vrije breedtes).
   • LLM Tools: Voeren contextuele redenering uit op gestructureerde scènedata (bijv. bereikbaarheid, workflow-logica).
   • VLM Tools: Beoordelen de holistische visuele kwaliteit en balans vanuit gerenderde afbeeldingen.
2. Lay-out Verfijning: Als een beperking wordt geschonden, genereert de LLM een gerichte verfijningsactie (bijv. herpositioneren, herschalen of heroriënteren van meubilair) op basis van ontwerpprincipes. Aanpassingen worden lokaal toegepast om de eerder vervulde beperkingen niet te verstoren.
3. Terminatie: Het proces gaat door totdat alle beperkingen zijn beoordeeld. Een finale her-evaluatie van T1-beperkingen zorgt ervoor dat de fundamentele lay-outkwaliteit niet is aangetast door latere aanpassingen.

Belangrijkste Bijdragen

1. Functionaliteit-Eerst Framing: Het werk herkadert de synthese van binnenruimtes van het plaatsen van plausibele objecten naar het ontwerpen van ruimtes die menselijk gebruik ondersteunen, waarbij de input verschuift van objectenlijsten naar functionele specificaties.
2. Aanpasbare Taxonomie van Beperkingen: Het introduceert een taxonomie van ontwerbeperkingen geworteld in de interieurontwerpliteratuur, gekoppeld aan een LLM-gestuurde methode om deze beperkingen automatisch aan te passen aan specifieke persona's en activiteiten.
3. Iteratief Tool-Augmented Framework: Het stelt een check-and-repair loop voor die geometrische metingen, LLM-redenering en VLM visuele beoordeling combineert om lay-outs iteratief te verfijnen, waarmee de beperkingen van directe LLM-generatie worden aangepakt.

Resultaten en Evaluatie

De auteurs evalueerden Function2Scene met behulp van 30 professioneel geschreven interieurontwerpcasussen uit Architectural Digest, variërend van diverse kamertypes en persona's (bijv. gepensioneerde koppels, drag queens, remote workers).

• Perceptuele Studie: Een two-alternative forced-choice (2AFC) studie met 32 gekwalificeerde deelnemers vergeleek Function2Scene met drie state-of-the-art baselines: Holodeck, I-Design en LayoutVLM.
• Prestaties: Function2Scene werd in 94,3% van de pairwise vergelijkingen als voorkeur gekozen. Het presteerde beter dan de baselines bij zowel de originele functionele prompts als de geparseerde promptcondities.
• Ablatieonderzoek: De studie bevestigde dat de evaluatietools cruciaal zijn. Het verwijderen van de tools terwijl de iteratieve updates behouden bleven, resulteerde in slechtere prestaties dan het verwijderen van beide, wat aangeeft dat iteratieve verfijning zonder gegronde ruimtelijke feedback contraproductief is.

Betekenis en Claims

Het artikel claimt dat Function2Scene er succesvol in slaagt de kloof tussen de huidige generatieve AI-mogelijkheden en real-world interieurontwerpprocessen te overbruggen. Door weg te bewegen van impliciete statistische priors naar expliciete, functionele ontwerpbeperkingen, produceert het systeem lay-outs die niet alleen visueel coherent zijn, maar ook functioneel geldig voor specifieke menselijke behoeften.

De auteurs positioneren dit werk als een stap richting LLM-gestuurde pipelines die beter passen bij professionele ontwerpprocessen. Ze erkennen beperkingen, waarbij zij opmerken dat de huidige inputs gedetailleerde, professioneel geschreven specificaties vereisen, terwijl echte gebruikers vaak beginnen met vage eisen. Toekomstig werk suggereert conversionele interfaces om gebruikers te helpen hun behoeften te verfijnen en geavanceerdere simulatietools (bijv. embodied simulatie, fysieke verlichting) om de verificatie van beperkingen te verbeteren.