PolyLayout: Hierarchical VLM-Guided Layout Generation Beyond Rectangular Rooms
作者: Yutong Jiang, Zahra Atashgahi, Carlos Soto Garcia Delgado, Ruben Brokkelkamp, Davide Zanutto, Efşan Sökmen, Shahin Shahkarami
分类: cs.CV
发布日期: 2026-08-11
💡 一句话要点
提出PolyLayout以解决非矩形房间布局生成问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 3D房间布局 家具摆放 视觉-语言模型 空间规划 非矩形几何 家居零售 室内设计
📋 核心要点
- 现有方法主要关注家具摆放算法，忽视了非矩形几何形状和门窗约束，导致实际应用中的局限性。
- 本文提出了一种分层混合框架，将布局生成分为功能聚类、宏观路由和规则优化三个阶段，以适应复杂空间。
- 实验表明，所提方法在感知合理性和几何合规性上优于现有方法，且在处理不规则边界时表现出色。
📝 摘要（中文）
生成物理上合理的3D房间布局对于家居零售至关重要，能够帮助客户在自己的家中可视化产品并自信地做出购买决策。然而，现有解决方案主要集中在家具摆放的算法策略上，忽视了现实家庭中常见的非矩形几何形状和严格的门窗约束。为此，本文提出了一种混合的分层框架，专为零售设计，支持可扩展的空间规划应用。该系统将生成过程分为三个阶段：功能性家具聚类与细粒度区域内摆放；基于视觉-语言模型（VLM）的宏观路由，以锚定聚类区域和剩余独立家具；以及基于规则的优化，确保微观布局不发生碰撞并遵循建筑约束。实验结果表明，该方法在感知合理性和几何合规性方面表现优异，且在处理不规则边界时超越了现有方法。
🔬 方法详解
问题定义：本文旨在解决生成物理上合理的3D房间布局的问题，现有方法在处理非矩形房间和门窗约束时存在显著不足。
核心思路：提出一种分层的混合框架，通过将布局生成过程分为多个阶段，能够更好地适应复杂的空间结构和家具摆放需求。
技术框架：整体架构分为三个主要阶段：第一阶段是功能性家具聚类和细粒度区域内摆放；第二阶段是基于视觉-语言模型（VLM）的宏观路由，锚定聚类区域和独立家具；第三阶段是基于规则的优化，确保微观布局不发生碰撞。
关键创新：最重要的创新在于引入了视觉-语言模型（VLM）来指导布局生成，使得系统能够处理复杂的多边形边界，超越了传统方法的限制。
关键设计：在设计中，采用了分层聚类算法和基于规则的优化策略，确保生成的布局符合建筑约束，并且在感知上具有较高的合理性。具体的参数设置和损失函数设计在实验中进行了详细验证。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提方法在感知合理性上达到了最高水平，同时在几何合规性方面表现良好，且处理不规则边界时的延迟较低。与现有方法相比，提升了布局生成的灵活性和适应性，具有显著的实际应用价值。
🎯 应用场景
该研究的潜在应用领域包括家居零售、室内设计和虚拟现实等。通过提供更为灵活和真实的布局生成工具，能够帮助消费者更好地进行家居产品的选择与搭配，提升购物体验。未来，该技术还可能扩展到智能家居和建筑设计等领域，推动相关行业的发展。
📄 摘要（原文）
Generating physically plausible 3D room layouts is essential for home furnishing retail, enabling customers to visualize products in their own homes and confidently make purchasing decisions. However, a gap exists between academic research and real-world application: existing solutions primarily focus on algorithmic strategies for furniture placement, largely neglecting the non-rectangular geometries and strict door/window constraints prevalent in real homes. To bridge the gap, we introduce a hybrid, hierarchical framework tailored for retail, specifically designed to support scalable spatial planning applications. Our system decouples generation into three stages: (1) functional furniture clustering and fine-grained intra-zone placement; (2) macro-routing guided by a vision-language model (VLM) to anchor both these clustered zones and any remaining standalone furniture within diverse polygonal boundaries; and (3) rule-based optimization for collision-free micro-arrangements that respect architectural constraints. We evaluate our system on production-scale catalogs and a representative set of irregular real-world topologies. Our results show that our approach attains the highest perceptual plausibility while maintaining good geometric compliance at relatively low latency, and extends to irregular boundaries that existing methods do not natively support.