Floorplan AI

Objetivo:

El objetivo de este proyecto era analizar los planos de planta introducidos en formato PDF o imagen y extraer de ellos la información clave. A partir del plano de planta introducido, teníamos que extraer la forma de las distintas habitaciones presentes en la imagen y determinar las coordenadas de las habitaciones presentes en la imagen.

Nuestra solución:

Una pipeline de visión de varias etapas que combina la segmentación basada en transformadores (Vision Transformers), la extracción de bordes y líneas, la detección de esquinas & el posprocesamiento geométrico para producir polígonos de habitaciones nítidos.

Desafíos superados:

• Gestionar la enorme variabilidad de estilos, anotaciones, resoluciones e idiomas.
• Crear un proceso de anotación eficiente en plazos ajustados.
• Combinar múltiples pipelines de IA (vision transformers, reducción de ruido, detección de bordes) para obtener resultados precisos.

1. Sector inmobiliario: generar automáticamente anuncios de propiedades interactivos.
   
2. Construcción: reducir el dibujo CAD manual de días a minutos.
   
3. Diseño de interiores: crear con rapidez distribuciones de habitaciones escalables para las propuestas.
   
4. Gestión de propiedades: registrar y gestionar las distribuciones de las instalaciones para renovaciones.

Este proyecto pone de relieve con elegancia diversos casos de uso y posibilidades que podrían lograrse para distintos ámbitos y aplicaciones:

1. Los modelos Vision Transformer pueden combinarse entre sí y entrenarse sobre el aspecto general que suele presentar una determinada característica en cualquier imagen, y utilizarse para detectar y clasificar de forma fiable ciertas características clave. Incluso características complejas, como las formas de los objetos, pueden detectarse.
2. Aun cuando exista una variación significativa en el aspecto que podría tener un posible objeto, arquetipo, propiedad o característica en una imagen, y aun cuando haya una variación considerable en las imágenes de entrada aportadas por los usuarios, una IA puede entrenarse para ofrecer de forma fiable soluciones pertinentes.
   
3. Incluso longitudes y formas abiertas como las vallas pueden detectarse. No obstante, la calidad de los resultados se ve fuertemente influida por la calidad y la cantidad de los datos de entrada, la claridad del alcance, la disponibilidad de un presupuesto de investigación y la consistencia y resolución de las imágenes consideradas.

1. Integración con herramientas de AR/VR para recorridos inmersivos.
   
2. Estimación de costes de renovación basada en IA a partir de los planos de planta.
   
3. Verificación automatizada del cumplimiento de la normativa de construcción.