Architect-Ant: Editable Automatic Furnishing of Architectural Floor Plans
전문적인 가구 배치 패턴을 학습하여 제약 조건을 준수하면서도 편집 가능한 레이아웃을 생성하는 프레임워크
논문이 다루는 내용
부동산 시각화 및 인테리어 설계를 위한 자동 가구 배치 기술은 데이터 부족과 복잡한 기하학적/기능적 제약 조건으로 인해 어려움을 겪어왔습니다. 본 논문은 반복적인 에이전트 추론 없이 사전 학습된 모델을 통해 전문적인 배치 지식을 학습하는 방법을 제안합니다. 이를 위해 92개 객체 클래스를 포함한 전문 건축 도면 데이터셋인 AntPlan을 구축하고, 편집 가능한 DSL 기반의 Architect-Ant 프레임워크를 도입했습니다. 모델은 지도 미세 조정(SFT)을 통해 패턴을 학습한 후, GRPO를 사용하여 기하학적 및 기능적 제약이 통합된 Layout Rule Score(LRS)로 최적화됩니다. 실험 결과, 제안 모델은 낮은 기하학적 위반율과 높은 기능적 완결성을 동시에 달성하며 실세계 배치 패턴을 효과적으로 재현했습니다.
핵심 결과
-
92개 객체 클래스와 10개 방 유형을 포함한 전문 건축 도면 데이터셋 AntPlan 구축
-
편집 가능한 좌표 기반 DSL을 활용한 객체 수준의 레이아웃 표현 방식 도입
-
GRPO와 Layout Rule Score(LRS)를 결합하여 추론 과정 없이 결과 중심의 제약 조건 최적화 수행
실무에서 볼 만한 점
LLM 기반의 강화학습(GRPO)을 공간 배치라는 물리적 제약 조건 최적화에 성공적으로 적용한 사례로, 2D/3D 생성 워크플로우 자동화에 영감을 줍니다.
읽을 때 확인할 점
-
제공된 DSL 형식을 활용하여 생성된 레이아웃의 3D 변환 호환성 테스트
-
GRPO의 LRS 점수 체계가 다른 공간 제약 조건(예: 상업용 공간)에 어떻게 적용될 수 있는지 검토
-
데이터셋의 객체 밀도와 배치 패턴이 특정 스타일(모던, 클래식 등)에 편향되어 있는지 분석