ywyue/RoomFormer

개요 RoomFormer는 CVPR 2023에서 발표된 논문 "Two-level Queries for Single-stage Floorplan Reconstruction"의 공식 구현이다. 밀도 맵(density map) 입력으로부터 단일 스테이지에서 벡터화된 평면도를 복원하는 Transformer 기반 모델이다.

핵심 내용 기존 평면도 복원은 여러 단계(코너 검출 → 에지 연결 → 방 분할)를 거치는 다단계 파이프라인이 일반적이었다. RoomFormer는 이를 단일 스테이지로 통합하여 end-to-end 학습이 가능하도록 설계했다. 핵심 아이디어는 "Two-level Queries"로, 첫 번째 레벨에서 방(room) 단위 쿼리를, 두 번째 레벨에서 코너(corner) 단위 쿼리를 수행한다. 이 계층적 쿼리 구조 덕분에 방의 전체 구조와 세부 꼭짓점을 동시에 추론할 수 있다. PyTorch로 구현되어 있다.

기존 대비 차별점 다단계 파이프라인의 오류 누적 문제를 해결한 것이 가장 큰 차별점이다. 기존 방법들은 각 단계의 오류가 다음 단계로 전파되어 최종 결과의 품질이 저하되었지만, RoomFormer는 단일 모델에서 모든 것을 한 번에 처리한다. Two-level Query 설계는 DETR 계열 모델의 object query 개념을 평면도 복원에 창의적으로 적용한 사례로, 방이라는 고수준 개념과 코너라는 저수준 기하학을 동시에 다루는 점이 흥미롭다.

활용 가능성 실내 매핑, 건축 설계 자동화, 부동산 플랫폼의 평면도 자동 생성 등에 활용할 수 있다. LiDAR나 깊이 센서로 스캔한 실내 데이터를 입력으로 사용하면 벡터화된 평면도를 자동으로 얻을 수 있어, AR 내비게이션이나 로봇 경로 계획에도 유용하다. SLAM 파이프라인의 후처리 모듈로 통합하는 것도 가능하다.

참고 자료 - 원본 저장소 ===