Resumo Técnico: ResPlan

Declaração do Problema

Os conjuntos de dados existentes para análise de plantas baixas residenciais apresentam uma compensação prática entre escala, geometria vetorial e riqueza topológica. Conjuntos de dados de grande escala como o RPLAN oferecem ~80.000 amostras, mas são limitados a rasterizações de baixa resolução com layouts simples (média de ~6,7 cômodos) e carecem de coordenadas em escala métrica ou grafos de conectividade de cômodos explícitos. Por outro lado, conjuntos de dados baseados em vetores como o MSD fornecem precisão geométrica e grafos, mas exigem que os usuários extraiam unidades individuais de plantas de edifícios maiores, enquanto outros, como o CubiCasa5K, oferecem anotações ricas em uma escala muito menor (5.000 amostras). Consequentemente, pesquisadores carecem de um conjunto de dados autossuficiente, ao nível de unidade, que forneça simultaneamente alta escala, geometria vetorial nativa, coordenadas métricas e conectividade de grafo tipada, particularmente para layouts complexos (ex: casas com >8 cômodos funcionais).

Metodologia

Coleta e Processamento de Dados:
O ResPlan foi construído convertendo 27.000 imagens renderizadas e texturizadas de anúncios imobiliários (originárias de mercados do sul da Ásia) em vetores anotados. O pipeline envolve três estágios:

1. Segmentação e OCR: A segmentação por cor/textura isola os cômodos dos traços estruturais, enquanto o OCR extrai rótulos semânticos e dimensões.
2. Vetorização: Componentes conectados são traçados em polígonos para cômodos, paredes, portas e janelas. As classes são determinadas combinando pistas visuais com OCR, e as áreas brutas listadas ancoram a escala métrica.
3. Pós-processamento: Fragmentos inválidos são descartados, "slivers" (fragmentos finos) são removidos e as fronteiras são reconciliadas. A espessura das paredes é normalizada e o alinhamento porta-parede é verificado via verificações geométricas e inspeções visuais pontuais.

Esquema do Conjunto de Dados:
O conjunto de dados final contém 17.000 plantas baixas residenciais. Cada amostra inclui:

• Geometria Vetorial: Polígonos tanto em coordenadas de pixels quanto em coordenadas reais de metros (largura mediana da planta 12,4m, espessura da parede 21cm).
• Taxonomia Semântica: 17 classes cobrindo espaços funcionais (ex: quarto, cozinha), elementos estruturais (parede, porta) e camadas de contorno.
• Conectividade de Grafo: Um grafo de conectividade de cômodos onde nós representam espaços e arestas codificam quatro relações tipadas: via_door (via porta), via_window (via janela), adjacency (adjacência/compartilhamento de parede) e direct (acesso direto pela porta principal).
• Divisões (Splits): Uma divisão canônica de 80/10/10 para treino/validação/teste (13.736/1.632/1.632), estratificada pelo número de quartos.

Tarefas de Benchmark:
O artigo define três tarefas para avaliar o aprendizado de plantas baixas estruturadas:

1. Rotulagem Semântica de Cômodos: Classificar nós do grafo em cinco categorias funcionais (quarto, banheiro, cozinha, sala, varanda).
2. Geração com Restrições: Gerar plantas baixas dado um contorno, uma lista de cômodos e um grafo de adjacência.
3. Extração de Planta-para-Grafo: Recuperar o grafo de conectividade tipado a partir de um layout poligonal.

Principais Contribuições

1. Dataset ResPlan: Um conjunto de dados de grande escala (17.000 amostras), autossuficiente, ao nível de unidade, apresentando geometria vetorial nativa, coordenadas de escala métrica e uma taxonomia semântica de 17 classes.
2. Representação de Grafo Tipado: Introdução de um esquema de arestas de quatro tipos (via_door, via_window, adjacency, direct) que modela explicitamente diferentes modos de conectividade espacial, suportando o raciocínio condicionado por grafo.
3. Escala de Complexidade: O conjunto de dados estende significativamente a complexidade dos benchmarks existentes; 34,6% das plantas de teste contêm mais cômodos funcionais do que o máximo observado (8) na divisão convertida do RPLAN, com layouts alcançando até 22 cômodos.
4. Baselines e Código: O lançamento inclui código de carregamento/renderização, uma divisão canônica e resultados de baseline para as três tarefas de benchmark, estabelecendo uma referência para pesquisas futuras de layout estruturado.

Resultados Experimentais

Tarefa 1: Rotulagem Semântica de Cômodos

• Desempenho: O GraphSAGE alcançou a maior acurácia (95,1%) e macro-F1 (0,950), superando métodos baseados em árvores (Random Forest: 91,4%) e GCN (73,9%).
• Importância de Atributos: Estudos de ablação confirmaram que atributos de nó (área, proporções) e graus de arestas tipadas são críticos; remover os graus de arestas tipadas reduziu a acurácia em 2,3 pontos percentuais.
• Transferência de Aprendizado: Existem lacunas de domínio significativas. Treinar no RPLAN e testar no ResPlan resultou em apenas 58,2% de acurácia, enquanto treinar no ResPlan e testar no RPLAN resultou em 64,9%, indicando diferenças estruturais na complexidade do layout e distribuição de cômodos.

Tarefa 2: Geração de Planta Baixa com Restrições

• Recuperação vs. Geração: A recuperação com correspondência de contagem alcançou 99,6% de acurácia na contagem de cômodos, enquanto a recuperação reclassificada por grafo melhorou a satisfação de adjacência para 90,3%.
• Modelos Generativos:
  • CVAE: Manteve alta acurácia na contagem de cômodos (99,5%), mas teve dificuldades com a satisfação de adjacência (~0,68) e frequentemente colapsou espaços de convivência em retângulos dominantes.
  • Layout GNN: Alcançou satisfação de adjacência quase perfeita (0,999) por construção, mas falhou em produzir geometrias realistas (baixo Boundary IoU, ~0,16), forçando cômodos retangulares.
  • DDPM: Gerou imagens visualmente realistas (FID 6.1), mas careceu de garantias estruturais em relação à contagem de cômodos ou adjacência.
• Escalabilidade: O desempenho dos CVAEs degradou monotonicamente conforme a complexidade da planta aumentava (de 4–6 cômodos para 13+ cômodos), com a satisfação de adjacência caindo de 0,70 para 0,42. Essa degradação ocorre no regime de 9+ cômodos, que está fora do suporte da divisão convertida do RPLAN.

Tarefa 3: Extração de Planta-para-Grafo

• Detecção de Arestas: A detecção de fronteira compartilhada sozinha recuperou 98,2% das arestas verdadeiras (F1 0,971).
• Classificação de Tipo: Adicionar um classificador de Gradient Boosting à detecção de fronteira compartilhada elevou a acurácia de tipo de 50,4% (baseline de classe majoritária) para 85,0%. A variante GraphSAGE atingiu 83,1% de acurácia de tipo.
• Análise de Erro: Os erros concentraram-se na classe rara via_window (3,0% das arestas), frequentemente confundida com adjacency quando janelas atravessam paredes compartilhadas.

Significância e Alegações

O artigo posiciona o ResPlan como um recurso necessário para remover a compensação entre escala, geometria vetorial e topologia na pesquisa de plantas baixas. Sua significância reside em:

• Viabilizar Análise de Layout Complexo: Fornecer o primeiro conjunto de dados vetorial de grande escala capaz de suportar pesquisas em residências complexas e de múltiplos cômodos que excedem a capacidade dos benchmarks baseados em raster existentes.
• Suportar o Raciocínio Condicionado por Grafo: A provisão nativa de grafos de conectividade tipados permite a supervisão direta de tarefas de geração e raciocínio baseadas em grafos, o que é impossível com conjuntos de dados apenas de raster.
• Monitorar Lacunas Estruturais: Os experimentos de transferência entre datasets e a análise de escalabilidade (Tarefa 2) destacam que os métodos atuais lutam com layouts que excedem 8 cômodos, sugerindo que avanços futuros requerem modelos conjuntos de geometria-grafo e passagem de mensagens por tipo de aresta.

Os autores observam limitações quanto ao escopo geográfico (apenas anúncios do sul da Ásia), representação (planta única, sem móveis/3D) e artefatos de anotação (contornos irregulares em <1% dos polígonos), reconhecendo que modelos treinados no ResPlan podem não se transferir diretamente para convenções arquitetônicas ocidentais ou do leste asiático sem adaptação adicional.