Function2Scene: 3D-binnenruimte-indeling op basis van functionele specificaties

Samenvatting

De meeste tekstgestuurde methoden voor 3D-binnenscènesynthese genereren ruimtes op basis van objectgerichte prompts, waarbij de vraag wordt gesteld welke meubels geplaatst moeten worden in plaats van hoe de ruimte wordt gebruikt. In de praktijk van interieurontwerp wordt een indeling echter beoordeeld op hoe goed deze de gebruikers ondersteunt, bijvoorbeeld hun activiteiten en fysieke behoeften. Wij introduceren Function2Scene, een raamwerk voor het genereren van 3D-binnenindelingen op basis van functionele specificaties, dat wil zeggen ontwerpopdrachten in natuurlijke taal die beschrijven wie een ruimte zal gebruiken en wat ze daar moeten doen. Bij een dergelijke specificatie parseert ons systeem gebruikerspersona's en activiteiten, leidt het een aangepaste set functionele ontwerpbeperkingen af uit een taxonomie van 17 criteria die ruimtelijke, ergonomische, activiteits- en omgevingsoverwegingen omvatten, en gebruikt het deze beperkingen om de indelingsgeneratie te sturen. In plaats van te vertrouwen op een LLM om direct een uiteindelijke scène te produceren, voert Function2Scene iteratieve evaluatie en verfijning uit via een met tools versterkte controle-en-reparatielus, waarbij geometrische metingen, op LLM gebaseerd contextueel redeneren en op VLM gebaseerde visuele beoordeling worden gecombineerd. Experimenten met 30 professioneel geschreven interieurontwerp-cases tonen aan dat Function2Scene indelingen produceert die beter voldoen aan functionele vereisten dan recente op LLM gebaseerde scènesynthese-baselines, waarbij onze resultaten in 94,3% van de paarsgewijze vergelijkingen de voorkeur krijgen. Ons werk herformuleert tekstgestuurde binnenscènesynthese van het plaatsen van plausibele objecten naar het ontwerpen van ruimtes die menselijk gebruik ondersteunen.

English

Most text-driven 3D indoor scene synthesis methods generate rooms from object-centric prompts, asking what furniture should be placed rather than how the space is used. Yet in real interior design, a layout is judged by how well it supports its occupants, e.g., their activities and physical needs. We introduce Function2Scene, a framework for generating 3D indoor layouts from functional specifications, i.e., natural-language design briefs describing who will use a room and what they need to do there. Given such a specification, our system parses occupant personas and activities, derives a customized set of functional design constraints from a taxonomy of 17 criteria spanning spatial, ergonomic, activity, and environmental considerations, and uses these constraints to guide layout generation. Rather than relying on an LLM to directly produce a final scene, Function2Scene performs iterative evaluation and refinement through a tool-augmented check-and-repair loop, combining geometric measurements, LLM-based contextual reasoning, and VLM-based visual assessment. Experiments on 30 professionally written interior-design cases show that Function2Scene produces layouts that better satisfy functional requirements than recent LLM-based scene synthesis baselines, with our results preferred in 94.3% of pairwise comparisons. Our work reframes text-driven indoor scene synthesis from placing plausible objects to designing spaces that support human use.