HypergraphFormer：从 LLM 学习超图以生成可编辑的平面图

在这项工作中，我们提出了 HypergraphFormer，这是一种基于使用 大语言模型 (LLM) 学习超图表示的新颖且有效的平面图生​​成方法。该模型通过受监督的 微调 进行训练，以生成基于超图的文本表示，该文本表示对平面图内的空间关系和连接信息进行编码。我们在 RPLAN 数据集上训练和评估我们的方法，并进一步证明其在本文中发布的单独的分布外数据集上的通用性。我们的方法优于基于跨不同指标集的光栅化或矢量化表示的最先进技术。我们还展示了数据效率的提高，特别是在分布转移的情况下。超图公式通过将公寓占地面积与其功能和几何细分分离，能够生成任意、不规则、用户指定边界的平面图。此外，我们表明所提出的方法提供了高度的可编辑性，使其特别适合 LLM 支持的面向设计的工作流程。