近日，合肥工业大学计算机与信息学院、软件学院联合研究团队在计算机辅助设计领域取得重要研究进展，研究成果被计算机图形学知名国际会议SIGGRAPH 2022录用，并全文发表在计算机图形学领域著名国际期刊ACM Transactions on Graphics(TOG)上。这是学校首次以第一单位在上述国际会议和期刊上发表论文。
随着计算机工业技术的快速发展，室内场景广泛应用于动画电影、电脑游戏、虚拟现实等领域，是计算机图形学和计算机视觉中重要的研究对象。室内布局平面图是室内设计和场景建模的基础，传统的布局平面图都是由设计师手动创建或者通过软件辅助生成，设计过程繁琐冗长。利用人工智能技术进行学习、自动生成室内布局平面图对于建筑学、计算机图形学等领域具有重要意义。
近年来，基于深度学习的平面布局生成方法取得了诸多进展，但是要获得理想的结果，仍然需要复杂的后处理。为实现更彻底的自动生成结果，研究团队设计了墙图（wall graph）数据结构用于布局建模，在公开数据集RPLAN（包含超过8万张真实建筑室内设计图纸）的支持下，通过基于深度学习的方法直接合成wall graph，从而生成室内布局平面图。为达到此目的，研究团队将图的遍历过程融于深度神经网络，分别设计了几何网络和语义网络，并将两个深度神经网络耦合，以自回归交替迭代方式生成wall graph。
相比之前的研究成果，该工作第一次实现了端到端的自动生成，以及支持基于学习的承重墙约束在内的更多约束，并取得了领先的生成结果。论文受邀于今年8月8日-11日在加拿大召开的SIGGRAPH 2022会议上进行宣讲报告。
论文的第一作者为学校计算机与信息学院的硕士研究生孙佳辉，通讯作者为学校软件学院、计算机与信息学院的郑利平教授和吴文明博士。学校是该论文的第一完成单位，中国科学技术大学数学科学学院刘利刚教授参与合作。
此项工作得到国家自然科学基金和中央高校基本科研基金等项目的支持。（通讯员：合肥工业大学 吴文明）
,
