💻 computer science

Recognizing and Reconstructing a Multi-Unit Floor Plan

Este artigo propõe um pipeline inovador combinando as arquiteturas de segmentação MDA-Unet melhorada e MACU-Net com um módulo de reconstrução baseado em vetorização para sintetizar automaticamente modelos de gêmeos digitais 3D a partir de plantas baixas arquitetônicas 2D, alcançando o estado da arte no benchmark CubiCasa.

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

Publicado 2026-06-19

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é um bombeiro ou um socorrista correndo para dentro de um edifício em chamas. Você tem em mãos um mapa de papel 2D plano do andar. Ele está poluído, a tinta pode estar desbotada e é difícil visualizar instantaneamente onde estão as paredes, portas e escadas no espaço 3D enquanto você corre. Agora, imagine se você pudesse transformar instantaneamente esse mapa de papel plano em um holograma 3D flutuante do edifício em sua mente (ou em um tablet), mostrando exatamente para onde correr e onde estão as saídas.

Esse é o problema que este artigo tenta resolver.

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

As cidades estão crescendo, e emergências como incêndios ou inundações estão se tornando mais complexas. Embora as equipes de emergência possuam plantas baixas 2D, esses desenhos muitas vezes parecem diferentes dependendo de quem os desenhou ou de qual software foi utilizado. Transformar um desenho plano e bagunçado em um modelo 3D claro geralmente requer que um humano construa o modelo manualmente, o que leva muito tempo. A maioria dos modelos 3D existentes só existe para edifícios novos ou é criada usando varreduras a laser caras e ruidosas (como uma nuvem de pontos), que são muito pesadas e lentas para uso rápido em emergências.

A Solução: O Pipeline do "Tradutor Mágico"

Os autores construíram um pipeline digital que atua como um tradutor superinteligente. Ele pega uma planta baixa 2D bagunçada (a entrada) e a transforma automaticamente em um modelo 3D limpo (a saída). Eles dividiram esse processo em duas etapas principais: Reconhecimento e Reconstrução.

1. Reconhecimento: O "Detetive de Olhos de Águia"

Primeiro, o sistema precisa olhar para o desenho plano e entender o que é cada coisa. Isso é uma parede? Uma janela? Uma porta de correr? Uma escada?

Para fazer isso, eles construíram dois novos "detetives" (modelos de IA chamados CAB1 e CAB2). Pense nesses detetives como tendo óculos especiais:

Convolução Assimétrica: Em vez de olhar para a imagem com uma lente quadrada padrão, esses detetives usam lentes em formato de "L" ou "T". Isso ajuda a detectar paredes finas e longas ou cantos muito melhor do que as ferramentas padrão.
O Mecanismo de Atenção: Imagine um detetive que sabe exatamente para onde olhar. Este recurso diz à IA: "Ignore o ruído de fundo; foque nas dobradiças das portas e nas bordas das paredes". Isso destaca as partes importantes do desenho.
Conexões de Salto de Escala Múltipla (Multi-Scale Skip Connections): Isso é como ter uma equipe de detetives trabalhando juntos. Um olha para o panorama geral (todo o layout do andar), enquanto outro dá zoom nos detalhes minúsculos (uma pequena janela). Eles compartilham suas notas instantaneamente para que a imagem final seja perfeita.

A IA não apenas adivinha; ela aprende olhando para milhares de exemplos, tentando fazer com que a "pontuação" (o quão bem ela identificou paredes vs. portas) seja a mais alta possível.

2. Reconstrução: O "Escultor do Arquiteto"

Uma vez que a IA identificou cada parede e porta, ela tem uma máscara pixelada e bagunçada (como um livro de colorir onde cada cor é um objeto diferente). A segunda etapa é o Escultor.

Limpeza: O escultor pega os pixels bagunçados e os suaviza, removendo pequenos calos e erros.
Vetorialização: Ele transforma esses pixels nebulosos em linhas e formas matemáticas nítidas (polígonos). É como traçar sobre um esboço bruto com uma régua perfeita.
Construção do Modelo 3D: Finalmente, ele pega essas formas 2D e lhes dá altura. Ele sabe que paredes sobem, portas têm molduras e escadas sobem em degraus. Ele constrói um modelo 3D que pode ser visualizado em softwares 3D (como o Blender).

Os Resultados: Funcionou?

Os autores testaram seu "Tradutor Mágico" contra outros métodos de alto nível usando um conjunto de dados famoso de plantas baixas chamado CubiCasa.

A Pontuação: Seus novos modelos (CAB1 e CAB2) alcançaram uma pontuação de 0,86 (em uma escala onde 1,0 é perfeito).
A Competição: Os outros melhores métodos pontuaram apenas em torno de 0,74.
O Veredito: Seu sistema foi significativamente melhor em encontrar paredes, portas, janelas e escadas, mesmo quando as plantas baixas eram de diferentes países ou desenhadas em diferentes estilos.

Eles também testaram o sistema em um novo conjunto de dados muito complexo de edifícios grandes (MURF) e mostraram que ele consegue lidar com plantas grandes e bagunçadas com as quais outros sistemas tiveram dificuldades.

O Que Vem a Seguir? (De acordo com o Artigo)

Os autores admitem que seu sistema ainda não é perfeito.

Escadas: Atualmente, as escadas 3D parecem degraus blocados porque o sistema transforma curvas em linhas retas. Ele ainda não sabe para qual direção as escadas estão voltadas.
Objetos Redondos: Se um edifício tiver uma torre redonda, o sistema a transforma em um polígono (uma forma de muitos lados) que se parece com uma placa de pare em vez de um círculo perfeito.
Plantas de Papel Antigas: Eles querem treinar seu sistema para ler plantas de papel antigas, desenhadas à mão, que ainda não foram digitalizadas.

A Conclusão

Este artigo apresenta uma nova maneira automatizada de transformar desenhos de edifícios 2D planos em modelos 3D. Ao usar "detetives" de IA avançados para reconhecer as partes e um "escultor" para construir a forma, eles criaram um sistema que é mais rápido e preciso do que os métodos atuais. O objetivo é ajudar os socorristas a compreenderem melhor os edifícios e mais rapidamente, potencialmente salvando vidas durante crises. O código para este sistema está agora disponível para que outros possam usar e melhorar.

Resumo Técnico: Reconhecimento e Reconstrução de uma Planta de Pavimento de Múltiplas Unidades

Definição do Problema
Os gêmeos digitais (DTs) possuem um potencial significativo para a gestão urbana, particularmente no planejamento de emergência, design de rotas de fuga e intervenções de resgate. No entanto, a criação desses gêmeos permanece amplamente manual devido à escassez de representações 3D existentes, que são frequentemente disponíveis apenas para edifícios novos. Embora plantas de pavimentos arquitetônicas em 2D sejam amplamente acessíveis junto às autoridades municipais, elas apresentam desafios: variam na renderização (diferenças textuais e gráficas entre versões em papel e eletrônicas), carecem de clareza em comparação com espaços 3D e, muitas vezes, existem em formatos raster em vez de vetoriais. Além disso, as abordagens automatizadas existentes frequentemente assumem entradas vetoriais (inadequadas para edifícios mais antigos) ou focam apenas em pequenos apartamentos de unidade única, em vez de plantas de pavimentos de múltiplas unidades. O desafio central abordado é o reconhecimento confiável de elementos estruturais críticos (paredes, janelas, escadas, corrimãos) em plantas de pavimentos raster 2D para sintetizar automaticamente uma representação 3D (denominada um modelo 2.5D, pois estima alturas de piso) para integração em gêmeos digitais.

Metodologia
Os autores propõem um novo pipeline dividido em duas etapas principais: Reconhecimento e Reconstrução.

Reconhecimento (Segmentação Semântica):
A fase de reconhecimento utiliza uma Rede Neural Convolucional (CNN) customizada baseada nas arquiteturas MDA-UNet, MACU-Net e U-Net3+. Os modelos propostos, denominados CAB1 e CAB2, incorporam diversas melhorias específicas:
- Blocos de Convolução Assimétrica (AC) Blocks: Substitui convoluções quadradas padrão por uma agregação de kernels $k \times k$ , $1 \times k$ e $k \times 1$ para capturar melhor características de esqueleto.
- Mecanismo de Atenção: Combina módulos de atenção de canal e espacial para ponderar mapas de características com base em sua importância, inferindo mapas a partir de características intermediárias.
- Conexões de Salto de Características Multiescala (Multi-Scale Feature Skip Connections): As arquiteturas utilizam conexões de salto para mitigar desvantagens encontradas em designs U-Net3+ padrão. O CAB1 utiliza conexões regulares, enquanto o CAB2 emprega conexões de salto multiescala totalmente conectadas, ligando camadas do decodificador a todas as camadas anteriores do codificador e do decodificador.
- Objetivo de Treinamento Multitarefa: A função de perda é uma soma ponderada de três componentes:
  - Perda Focal Unificada Assimétrica (Asymmetric Unified Focal Loss): Lida com o desequilíbrio de classes ao suprimir a perda de fundo e realçar a perda de primeiro plano.
  - Perda de Campo de Afinidade (Affinity Field Loss): Captura a estrutura semântica nos rótulos.
  - Perda de Regressão de Mapa de Calor (Heatmap Regression Loss): Derivada de máscaras de segmentação para prever os pontos finais de aberturas (portas, janelas).
- Tratamento de Entrada: Os modelos são treinados com tamanhos de imagem de entrada variados para funcionar como detectores multiescala.
Reconstrução (Vetorialização e Visualização):
A fase de reconstrução converte as máscaras de segmentação pixel a pixel em um modelo 3D através de:
- Pós-processamento: Refina os componentes conectados na máscara até que um limite de incerteza seja atingido.
- Vetorialização: Transforma componentes refinados em polígonos ao derivar os pontos finais de retângulos rotacionados de área mínima. Os vértices são mesclados se estiverem suficientemente próximos ou forem colineares.
- Visualização: O conjunto de polígonos resultante é visualizado usando o Blender. As escadas são visualizadas como polígonos de uma altura elevada fixa, embora o método atual não leve em conta a orientação da escada.

Principais Contribuições

Pipeline Inovador: Desenvolvimento de um framework end-to-end para gerar representações de edifícios 3D a partir de plantas de pavimentos raster 2D convencionais, visando especificamente estruturas de múltiplas unidades.
Inovações Arquiteturais: Proposta de dois novos modelos de segmentação (CAB1 e CAB2) apresentando convoluções assimétricas, mecanismos de atenção e conexões de salto multiescala aprimoradas.
Avaliação Abrangente: O framework foi testado em múltiplos conjuntos de dados (CubiCasa, R3D, CVC-FP e um conjunto de dados proprietário MURF) e comparado com técnicas de estado da arte (SOTA), especificamente DFPR e CubiCasa5K.
Código Aberto: Os autores disponibilizaram seu código publicamente para apoiar pesquisas futuras no domínio.

Resultados Experimentais
Os métodos propostos foram avaliados usando métricas de Recall, F1 score e Interseção sobre União (IoU) no conjunto de dados de benchmark CubiCasa.

Desempenho: Os modelos CAB1 e CAB2 alcançaram um F1 score médio de 0,86 e um IoU médio de 0,76.
Comparação: Estes resultados superaram as linhas de base SOTA modificadas, DFPR $\beta$ (F1: 0,74, IoU: 0,61) e CubiCasa5k $\beta$ (F1: 0,74, IoU: 0,60).
Generalização: Os modelos demonstraram desempenho consistente em diferentes conjuntos de dados (CubiCasa, R3D, CVC-FP), com o CAB2 apresentando resultados ligeiramente melhores no conjunto de dados CVC-FP.
Desempenho de Classes Específicas: Os modelos alcançaram alto recall e F1 para paredes (0,90/0,90), janelas (0,91/0,90) e escadas (0,87/0,89).

Significância e Alegações
O artigo afirma que o pipeline proposto consegue preencher a lacuna entre as plantas de pavimentos 2D disponíveis e a necessidade de gêmeos digitais 3D, oferecendo uma alternativa escalável e econômica aos métodos de nuvem de pontos computacionalmente exigentes. Ao automatizar a extração de elementos estruturais de desenhos 2D diversos e frequentemente antigos, o método apoia serviços de emergência mais seguros e eficientes em ambientes urbanos em crescimento.

Os autores observam modestamente as limitações, incluindo a incapacidade atual de visualizar a orientação das escadas e artefatos gerados ao converter objetos circulares em polígonos. Eles reconhecem que frameworks SOTA mais recentes (por exemplo, de [18], [23], [24]) não puderam ser comparados diretamente devido à indisponibilidade dos códigos-fonte, embora seu recall de reconhecimento de paredes (0,94) compare favoravelmente com os resultados relatados em [24] (0,89). O trabalho futuro é identificado com foco no alinhamento de múltiplos andares, coleta de conjuntos de dados para edifícios públicos e médicos de grande escala, e melhoria da segmentação para plantas baseadas em papel mais antigas.