Presentiamo il Dataset Modificato delle Abitazioni Svizzere

Creare buoni piani di distribuzione è fondamentale per progettare edifici. Per aiutare in questo, i ricercatori hanno costruito vari dataset che contengono piani di distribuzione. Tuttavia, molti di questi dataset si concentrano su layout semplici, di solito per case unifamiliari. Questo non basta, dato che la maggior parte degli edifici reali ha design più complessi.

Per risolvere questo problema, abbiamo creato un nuovo dataset chiamato Modified Swiss Dwellings (MSD). Questo dataset include una varietà di layout per edifici multi-appartamento. Con oltre 5.300 piani di distribuzione e più di 18.900 appartamenti unici, MSD mira a fornire una risorsa per migliorare i metodi nella progettazione architettonica. Abbiamo testato i metodi attuali di generazione di piani di distribuzione su questo nuovo dataset e abbiamo scoperto che hanno più difficoltà rispetto ai dataset più semplici. Questo dimostra la necessità di approcci migliori in questo campo.

#Cos'è un Piano di Distribuzione?

Un piano di distribuzione è una vista dall'alto del layout di un edificio. Mostra dove si trovano le Stanze, le porte e i muri, aiutando le persone a visualizzare come apparirà e funzionerà un edificio. Creare un piano di distribuzione può richiedere molto tempo e denaro poiché comporta il bilanciamento di molti fattori diversi come l'uso dello spazio, le leggi e il budget.

#La Necessità di un Nuovo Dataset

La maggior parte dei dataset esistenti, come RPLAN e LIFULL, include principalmente layout semplici di appartamenti singoli. Questi dataset hanno limitazioni, come essere per lo più allineati agli assi, il che significa che le stanze sono rettangolari e disposte in linee rette. Gli edifici reali, d'altra parte, contengono spesso stanze di forme irregolari e connessioni più complesse tra di esse.

Il dataset MSD affronta queste debolezze. Include layout complessi di edifici multi-appartamento, catturando la diversità dei design del mondo reale.

#Creazione del Dataset Modified Swiss Dwellings

Il dataset MSD è stato costruito curando attentamente i dati dal dataset Swiss Dwellings. Sono stati intrapresi diversi passaggi per pulire e migliorare i dati:

1. Abbiamo rimosso le geometrie non relative ai piani di distribuzione, come elementi non legati agli spazi abitativi.
2. Abbiamo scartato i piani di distribuzione che avevano troppe poche aree o erano troppo simili tra loro.
3. Abbiamo assicurato che ogni piano di distribuzione avesse un numero sufficiente di aree e funzioni distinte.

Dopo questi passaggi di pulizia, siamo arrivati a 5.372 immagini uniche di piani di distribuzione, ognuna completa di annotazioni dettagliate sui tipi di stanze e aree.

#La Struttura del Dataset

Il dataset MSD contiene tre tipi principali di dati:

1. Piani di Distribuzione: Questi sono i layout effettivi, che mostrano dove si trova ogni stanza e come si collegano.
2. Grafi: Ogni piano di distribuzione è collegato a un grafo che dettaglia le relazioni tra le diverse aree, aiutando a visualizzare la connettività.
3. Immagini Binari: Queste immagini evidenziano i componenti strutturali come i muri portanti, aiutando a definire cosa è fisso nel layout dell'edificio.

Ogni area in un piano di distribuzione ha attributi, inclusi forma, tipo di stanza e tipo di zonizzazione. Ad esempio, una stanza potrebbe essere identificata come "camera da letto" o "soggiorno", e viene classificata in base al fatto che sia privata, pubblica o per servizi.

#L'Obiettivo della Generazione di Piani di Distribuzione

L'obiettivo principale della generazione di piani di distribuzione è organizzare tutti i componenti in modo efficace. Questo processo può essere affrontato in modi diversi:

1. Metodi a vincolo di confine: Questi si concentrano sui muri che definiscono l'esterno dell'edificio.
2. Metodi a vincolo di grafo: Questi utilizzano il diagramma funzionale rappresentato come un grafo per controllare come sono disposti gli spazi.
3. Metodi combinati: Questi considerano sia il confine che il grafo per creare un layout più realistico.

Nel caso dell'MSD, consideriamo non solo il grafo di come si collegano le stanze, ma anche come elementi strutturali come i muri influenzano il layout.

#Sfide nella Generazione di Piani di Distribuzione

Il dataset MSD presenta un livello di complessità superiore rispetto ad altri dataset. I modelli che hanno funzionato bene con layout più semplici spesso incontrano difficoltà con le sfide presentate da MSD. Ad esempio, ci sono significativamente più aree da organizzare e le connessioni tra di esse giocano un ruolo vitale.

Quando abbiamo valutato due modelli esistenti nel contesto di MSD, abbiamo notato un calo evidente delle prestazioni. Questo risultato indica la necessità di strategie più raffinate nella generazione di piani di distribuzione, in particolare per edifici complessi.

#Benchmarking dei Metodi Esistenti

Abbiamo fatto benchmarking sui due principali metodi all'avanguardia per vedere come si sono comportati con il dataset MSD. I metodi base includevano:

1. Modified HouseDiffusion (MHD): Questo metodo utilizza un processo di diffusione migliorato con attenzione a muri e aree.
2. Graph-informed U-Net (UN): Questo approccio utilizza un'architettura U-Net per prevedere piani di distribuzione dalla struttura dell'edificio.

Entrambi i metodi sono stati addestrati e testati sul dataset MSD. I risultati hanno rivelato sfide significative nella generazione di piani di distribuzione accurati, il che richiede ulteriori ricerche e innovazioni in quest'area.

#Risultati Chiave dai Nostri Esperimenti

La valutazione di questi modelli ha evidenziato diversi punti importanti:

1. Calate delle Prestazioni: Entrambi i metodi base hanno mostrato un calo marcato nella loro capacità di generare piani di distribuzione quando si sono trovati di fronte alle complessità di MSD rispetto ai dataset più semplici.
2. Layout delle Stanze: Mentre MHD poteva generare forme ragionevoli che erano visivamente distinte, aveva difficoltà con il posizionamento esatto e la proporzione delle stanze in relazione alla struttura complessiva dell'edificio.
3. Punti di Forza di U-Net: Il modello U-Net ha mostrato una migliore comprensione del posizionamento delle stanze, ma ha comunque affrontato sfide nel definire accuratamente le forme e i confini delle stanze.

Questi risultati suggeriscono che, sebbene alcuni metodi mostrino promesse, non sono ancora in grado di gestire le complessità dei piani di distribuzione multi-appartamento.

#L'Importanza di Dati Diversificati

Avere un dataset come l'MSD è fondamentale per far avanzare il campo della progettazione architettonica. Fornendo piani di distribuzione complessi e diversificati, i ricercatori possono sviluppare e fare benchmark di nuovi metodi che rappresentano più accuratamente le esigenze del mondo reale.

Il lavoro futuro si concentrerà sul perfezionamento dei metodi esistenti ed esplorerà nuove tecniche per migliorare le prestazioni nella generazione di piani di distribuzione realistici per edifici multi-appartamento.

#Direzioni Future

Per affrontare le sfide evidenziate dalla nostra ricerca, si possono prendere diverse direzioni:

1. Nuovi Modelli: Sviluppare modelli innovativi su misura per gestire piani di distribuzione complessi potrebbe portare a risultati migliori.
2. Espansione dei Dati: Il dataset può essere ulteriormente ampliato per includere vari stili architettonici e design provenienti da diverse regioni, arricchendo la risorsa per il lavoro futuro.
3. Approcci Interdisciplinari: Collaborare con architetti e designer potrebbe fornire preziose intuizioni sulle sfumature del design edilizio del mondo reale.

Concentrandoci su queste aree, speriamo di incoraggiare avanzo nei metodi per generare piani di distribuzione più accurati e funzionali.

#Conclusione

Il dataset MSD rappresenta un passo significativo avanti nella ricerca per migliorare i metodi di generazione di piani di distribuzione. Sebbene le attuali tecniche all'avanguardia mostrino promesse, hanno bisogno di evolversi per affrontare le complessità dei design edilizi reali. Affrontando queste sfide e promuovendo ulteriori ricerche, possiamo migliorare la nostra comprensione dei layout architettonici e contribuire a migliori pratiche di design edilizio nel complesso.