Resumo Técnico: HypergraphFormer

Declaração do Problema

A geração de plantas baixas arquitetônicas é um processo complexo e iterativo que exige o equilíbrio de requisitos espaciais e funcionais concorrentes. As abordagens existentes de aprendizado profundo para geração automatizada geralmente dependem de uma de duas representações de saída, ambas com limitações estruturais:

1. Métodos baseados em raster: Geram máscaras de pixels de baixa resolução onde a resolução espacial é limitada pelo tamanho do pixel, paredes são codificadas implicitamente e é necessário um pós-processamento significativo para recuperar plantas utilizáveis.
2. Métodos baseados em vetores: Preveem polígonos por cômodo ou pares de coordenadas, mas frequentemente restringem os layouts a retângulos alinhados aos eixos dentro de limites fixos e dependem de pós-processamento geométrico para fechamento e consistência.

Além disso, métodos anteriores lutam com editabilidade (exigindo reinferência completa ou maquinaria dedicada no momento do treinamento para alterações), eficiência de dados (exigindo conjuntos de dados massivos) e generalização fora da distribuição (OOD) (falhando em plantas projetadas por arquitetos com formas de limites ou contagens de cômodos diferentes dos dados de treinamento). Embora trabalhos recentes aproveitem Modelos de Linguagem de Grande Escala (LLMs), pipelines existentes frequentemente transferem a geração de geometria para decodificadores de difusão ou raster, herdando as mesmas limitações.

Metodologia

Os autores propõem o HypergraphFormer, um framework centrado em representação que desacopla o limite externo do apartamento de seu layout interno. Em vez de gerar pixels ou geometria bruta, o modelo gera uma representação textual estruturada de hipergrafo.

A Representação de Hipergrafo

Adotada de Weber et al. [15], a representação de hipergrafo decompõe uma planta baixa em:

• Um Limite: Um polígono explícito definindo a área ocupada do apartamento.
• Um Hipergrafo (JSON Estruturado):
  • Árvore de Partição de Espaço Binário (BSP): Nós intermediários codificam partições de espaço binário do interior, representando hierarquicamente a decomposição espacial.
  • Nós Folhas: Carregam semânticas por cômodo (tipo, área).
  • Grafo de Acesso: Captura conectividade funcional (conexões de portas) entre cômodos.

Esta formulação permite a geração de plantas baixas para limites arbitrários e especificados pelo usuário (incluindo formas não manhattan) ajustando o hipergrafo ao espaço prescrito.

Pipeline de Aprendizado

O método central envolve o Ajuste Fino Supervisionado (SFT) de um LLM pequeno e ajustado a instruções (especificamente Qwen3-4B) usando LoRA (Adaptação de Baixo Rango).

• Entrada: Um grafo de acesso (definindo conectividade de cômodos).
• Saída: Uma string JSON de hipergrafo que satisfaz invariantes estruturais (topologia BSP, conectividade apenas em folhas, conservação de área, divisões alinhadas aos eixos).
• Dados de Treinamento: O modelo é treinado no conjunto de dados RPLAN, convertido para o formato de hipergrafo.
• Inferência: O modelo gera o hipergrafo a partir de um grafo de acesso. O hipergrafo é então instanciado proceduralmente em um layout geométrico dentro do limite especificado pelo usuário.

Edição Procedural

Uma característica chave do sistema é um pipeline de pós-processamento que realiza edições leves e determinísticas sem reexecutar o LLM:

1. Adicionar/Remover Cômodos: Alinha o multiconjunto de cômodos previsto com o grafo de acesso de entrada.
2. Seleção de Orientação: Rotaciona ou inverte o layout para maximizar a compactação por cômodo.
3. Otimização Paramétrica: Usa descida de gradiente para refinar parâmetros de divisão BSP para otimizar proporções de área de cômodo e compactação.

Adicionalmente, o formato de hipergrafo suporta chamadas de ferramentas LLM para edições de alto nível (por exemplo, trocar tipos de cômodo, redimensionar, reorientar cômodos específicos) manipulando diretamente a árvore BSP e o grafo de acesso.

Contribuições Principais

1. Representação: Demonstra que um LLM leve pode ser ajustado para gerar representações estruturadas de hipergrafo diretamente, permitindo geração de plantas baixas que conformam a limites arbitrários sem rasterização ou previsão de polígonos por cômodo.
2. Editabilidade: Mostra que esta representação permite edições procedurais rápidas e sem LLM (adição/remoção de cômodos, rotação, refinamento de área) e edições de alto nível via chamadas de ferramentas, oferecendo um grau de editabilidade superior a baselines anteriores.
3. Eficiência de Dados: Conduz um estudo controlado mostrando que a abordagem iguala a precisão do estado da arte (SOTA) usando apenas uma fração dos dados de treinamento exigidos por baselines.
4. Generalização Fora da Distribuição: Demonstra forte generalização no WMR24, um conjunto de dados curado de plantas baixas projetadas por arquitetos com distribuições de tamanho, contagem de quartos e geometria de limites que diferem significativamente do conjunto de treinamento RPLAN.
5. Recursos: Libera o conjunto de dados WMR24 e o código completo para treinamento, inferência, conversão de conjunto de dados e edição procedural.

Resultados

O método foi avaliado no RPLAN (dentro da distribuição) e WMR24 (fora da distribuição) contra baselines SOTA incluindo HouseGAN++, HouseDiffusion, iPLAN e DiffPlanner.

• Precisão Estrutural: No RPLAN, o HypergraphFormer alcançou uma precisão estrita de grafo de acesso (A) de 40,9%, superando significativamente o HouseGAN++ (6,0%) e o HouseDiffusion (16,3%). Alcançou uma precisão de multiconjunto de conjunto de cômodos (Atc) de 100,0% por design.
• Geometria e Ladrilhamento: O método alcançou 0,00% de transbordamento de limite ($\rho_{out}$) e 0,00% de sobreposição de cômodos ($\rho_{ovl}$) por construção, enquanto outros métodos exibiram violações significativas de ladrilhamento.
• Generalização OOD: No WMR24, o HypergraphFormer melhorou sua precisão estrita para 52,5% e manteve precisão de multiconjunto quase perfeita (99,9%). Em contraste, as baselines viram seu desempenho colapsar (por exemplo, a precisão do HouseDiffusion caiu para 2,6%).
• Eficiência de Dados: O HypergraphFormer treinado com apenas 1.000 amostras (aproximadamente 1,8% dos dados de treinamento da baseline) alcançou maior precisão (12,3%) no WMR24 do que o HouseGAN++ (8,5%) e o HouseDiffusion (2,6%) treinados no conjunto de dados completo.
• Qualidade Visual: Comparações qualitativas mostram que o HypergraphFormer evita artefatos comuns como cômodos sobrepostos ou layouts impossíveis, produzindo plantas visualmente plausíveis que ladrilham o limite exatamente.

Significado e Alegações

O artigo argumenta que o principal motor para editabilidade, eficiência de dados e generalização OOD na geração de plantas baixas é a representação, não a escala do modelo. Ao emitir um hipergrafo — um objeto pequeno e estruturado com restrições explícitas — em vez de geometria de alta dimensão, o LLM pode corresponder às restrições exatamente. Isso permite:

• Editabilidade Nativa: Alterações estruturais correspondem a edições leves no hipergrafo textual, evitando reinferência completa.
• Independência de Limite: A separação do limite do layout interno permite pegadas arbitrárias e não alinhadas aos eixos.
• Robustez: A estrutura composicional do hipergrafo, combinada com priores de LLM, permite desempenho robusto em plantas projetadas por arquitetos que diferem da distribuição de treinamento.

Os autores posicionam o HypergraphFormer como um passo rumo à integração de LLMs com abstrações de design interpretáveis por humanos, priorizando saídas estruturadas e editáveis sobre síntese de imagem bruta. Eles reconhecem limitações, como a suposição de divisões retilíneas/linhas retas (excluindo paredes curvas) e o foco em layouts de apartamentos únicos, sugerindo essas como direções para trabalho futuro.