ECCV 2020 | 基于用户个性化需求的室内家具自动布局系统

邸新汉将门创投今天

关注并星标

从此不迷路

Jiangmen

作者: 邸新汉

ECCV 2020系列文章专题

第·18·期

近几年来，互联网地产、装修、家具-电器网购产业正在快速发展和创新，深度学习技术正在逐步应用于这一创新型互联网+产业和平台中。以空户型图和业主个性化需求作为输入，本文应用基于条件图生成神经网络、实例化神经网络、以及个性化需求融合网络，自动选择家具和在室内空间自动布局家具，满足业主个性化需求。

更多ECCV精彩内容，后台回复“ECCV”即可查看！

一、工业界家具自动布局数据集

为了解决当前家具自动布局数据集的缺失，本文提出了工业界家具自动布局数据集。与以往类似的数据集相比，本文提出的数据集有如下优点。

1).此数据集来自专业设计师的设计方案，这些方案是工业界落地实际方案，而现有已知数据集并非来自专业设计师的方案。

2).此数据集结合了业主的个性化需求，数据集中每个家具自动布局样本均对应业主的个性化需求，而之前的数据集没有个性化需求的数据。

3).此数据集不仅包含室内每个家具的位置，方向，大小等信息，也包含了家具的材质，颜色，风格等实际信息。而之前的数据集仅包含了每个家具的位置，方向，大小这些数据。

1.1 数据采集

此数据集包含1.1万个样本，每个样本来自业界设计师的方案，每个样本和业主的个性化需求相对应。在每个样本中，包含了户型的基建几何位置信息，各个家具的几何位置信息，几何大小信息，各个家具颜色，风格，品牌等信息。此数据集包含3个房间类型，分别为厨房，卫生间和榻榻米房。其中厨房含有5000个样本，卫生间含有5000个样本，榻榻米房含有1000个样本。榻榻米房的每个样本，不仅包含成品家具的数据，而且包含定制家具的数据。其中，定制家具不仅有家具的尺寸数据，长，宽，高，而且各个尺寸数据的范围。

基于图 (graph) 神经网络，实例化网络，用户个性化需求融合网络系统产出的业界方案

1.2 数据标注

与以往数据集不同的是，此数据集并不是通过线上、线下志愿者标注各个家具的几何位置得到的数据，而是来自于设计师的实际设计方案，这些方案均是满足业主用户需求的方案，包含了专业设计师满足用户需求，满足实际户型的设计思路等专业知识。

本文提出个性化家具布局系统的pipeline

二、初始业主个性化家居布局系统

2.1 本文应用了条件图生成神经网络，用于以业主个性化需求为输入，生成出符和业主需求的户型家具布局图 (graph)。首先，图提取模块提取数据集中的1.1万个样本，将每个样本转换为图数据，其中，在每个图中，每个节点表示一个基建 (门，窗，墙)，或者一个家具 (桌子，床，柜子等)。每条边表示连接物体的关系，每个图的标签表示业主的个性化需求。