Floorplan AI

Ziel:

Ziel dieses Projekts war es, die eingegebenen Grundrisse im PDF- oder Bildformat zu analysieren und daraus zentrale Informationen zu extrahieren. Aus dem eingegebenen Grundriss mussten wir die Form der verschiedenen im Bild vorhandenen Räume extrahieren und die Koordinaten der Räume im Bild bestimmen.

Unsere Lösung:

Eine mehrstufige Vision-Pipeline, die transformerbasierte Segmentierung (Vision Transformers), Kanten-/Linienextraktion, Eckenerkennung & geometrische Nachbearbeitung kombiniert, um saubere Raumpolygone zu erzeugen.

Bewältigte Herausforderungen:

• Umgang mit der enormen Vielfalt an Stilen, Beschriftungen, Auflösungen und Sprachen.
• Schaffung eines effizienten Annotationsprozesses unter engen Fristen.
• Kombination mehrerer KI-Pipelines (Vision Transformers, Rauschunterdrückung, Kantenerkennung) für präzise Ergebnisse.

1. Immobilien: Automatische Erstellung interaktiver Immobilieninserate.
   
2. Bauwesen: Reduzierung des manuellen CAD-Zeichnens von Tagen auf Minuten.
   
3. Innenarchitektur: Schnelle Erstellung skalierbarer Raumlayouts für Angebote.
   
4. Objektverwaltung: Nachverfolgung und Verwaltung von Gebäudelayouts für Renovierungen.

Dieses Projekt verdeutlicht auf elegante Weise verschiedene Anwendungsfälle und Möglichkeiten, die sich für unterschiedliche Domänen und Einsatzzwecke erreichen lassen:

1. Vision-Transformer-Modelle können miteinander kombiniert und darauf trainiert werden, wie ein bestimmtes Merkmal in einem beliebigen Bild im Allgemeinen aussieht, und lassen sich nutzen, um bestimmte Schlüsselmerkmale zuverlässig zu erkennen und zu klassifizieren. Selbst komplexe Merkmale wie Objektformen können erkannt werden.
2. Selbst wenn erhebliche Unterschiede darin bestehen, wie ein potenzielles Objekt, Archetyp, eine Eigenschaft oder ein Merkmal in einem Bild aussehen könnte, und wenn die von Nutzern bereitgestellten Eingabebilder stark variieren, kann KI darauf trainiert werden, zuverlässig relevante Lösungen zu liefern.
   
3. Selbst Längen und offene Formen wie Zäune können erkannt werden. Die Qualität der Ergebnisse wird jedoch stark von der Qualität und Menge der Eingabedaten, der Klarheit des Umfangs, dem verfügbaren Forschungsbudget sowie der Konsistenz und Auflösung der betrachteten Bilder beeinflusst.

1. Integration mit AR/VR-Tools für immersive Rundgänge.
   
2. KI-basierte Schätzung von Renovierungskosten aus Grundrissen.
   
3. Automatisierte Konformitätsprüfung mit Bauvorschriften.