现有相关工程与技术多关注建筑构件几何信息的映射,构件语义信息挖掘侧重于工程项目需要的单一信息,导致BIM(Building Information Modeling)数据在语义交互和智能分析中的潜力未被充分挖掘。该文提出一种基于知识图谱的BIM建筑构件语...现有相关工程与技术多关注建筑构件几何信息的映射,构件语义信息挖掘侧重于工程项目需要的单一信息,导致BIM(Building Information Modeling)数据在语义交互和智能分析中的潜力未被充分挖掘。该文提出一种基于知识图谱的BIM建筑构件语义信息提取方法,首先通过设计语义映射规则将IFC(Industry Foundation Classes)模型的实体、属性、物理信息转化为知识图谱,形成可用于语义分析的结构化语义网络,然后采用TransE嵌入模型对构建的BIM知识图谱进行嵌入学习,通过向量化表示增强信息提取能力。以某三层综合建筑楼为研究对象,提取并构建了包含996个BIM语义节点和2173条关系的知识图谱,进一步采用TransE模型进行语义信息嵌入,对提取结果进行验证。实验结果表明:知识图谱能有效提取BIM建筑构件语义信息,选取最优参数后进行TransE模型嵌入学习,实体语义成功率为97.27%,该方法能够精准捕捉建筑构件各类语义信息的关键内容,减少信息遗漏和提取错误,为BIM模型信息分析和决策提供了新思路。展开更多
近年来,生成对抗网络广泛应用于图像修复领域并取得了不错的效果。但目前的方法并没有考虑在高分辨率图像(512×512)中会产生模糊的结构以及纹理的问题,这些问题主要来源于缺乏有效特征信息。针对此问题,提出一种将图像特征与语义...近年来,生成对抗网络广泛应用于图像修复领域并取得了不错的效果。但目前的方法并没有考虑在高分辨率图像(512×512)中会产生模糊的结构以及纹理的问题,这些问题主要来源于缺乏有效特征信息。针对此问题,提出一种将图像特征与语义信息相结合的生成对抗网络。主要基于语义信息,提出一种上下文感知的图像修复模型,该模型自适应地将语义信息与图像特征融合,并且提出自适应卷积替代传统卷积,以及在解码器后增添一个多尺度上下文聚合模块捕捉远距离信息来进行上下文推理。在Places2、CelebA⁃HQ、Paris Street View和Openlogo数据集上进行实验,实验结果表明,在L1损失、峰值信噪比(PSNR)和结构相似度(SSIM)上所提方法与现有方法对比均有所提升。展开更多
文摘现有相关工程与技术多关注建筑构件几何信息的映射,构件语义信息挖掘侧重于工程项目需要的单一信息,导致BIM(Building Information Modeling)数据在语义交互和智能分析中的潜力未被充分挖掘。该文提出一种基于知识图谱的BIM建筑构件语义信息提取方法,首先通过设计语义映射规则将IFC(Industry Foundation Classes)模型的实体、属性、物理信息转化为知识图谱,形成可用于语义分析的结构化语义网络,然后采用TransE嵌入模型对构建的BIM知识图谱进行嵌入学习,通过向量化表示增强信息提取能力。以某三层综合建筑楼为研究对象,提取并构建了包含996个BIM语义节点和2173条关系的知识图谱,进一步采用TransE模型进行语义信息嵌入,对提取结果进行验证。实验结果表明:知识图谱能有效提取BIM建筑构件语义信息,选取最优参数后进行TransE模型嵌入学习,实体语义成功率为97.27%,该方法能够精准捕捉建筑构件各类语义信息的关键内容,减少信息遗漏和提取错误,为BIM模型信息分析和决策提供了新思路。
文摘近年来,生成对抗网络广泛应用于图像修复领域并取得了不错的效果。但目前的方法并没有考虑在高分辨率图像(512×512)中会产生模糊的结构以及纹理的问题,这些问题主要来源于缺乏有效特征信息。针对此问题,提出一种将图像特征与语义信息相结合的生成对抗网络。主要基于语义信息,提出一种上下文感知的图像修复模型,该模型自适应地将语义信息与图像特征融合,并且提出自适应卷积替代传统卷积,以及在解码器后增添一个多尺度上下文聚合模块捕捉远距离信息来进行上下文推理。在Places2、CelebA⁃HQ、Paris Street View和Openlogo数据集上进行实验,实验结果表明,在L1损失、峰值信噪比(PSNR)和结构相似度(SSIM)上所提方法与现有方法对比均有所提升。
