PolarSym: Polar Geometry-aware Attention for CAD Floorplan Parsing

📄 arXiv: 2608.11793v1 📥 PDF

作者: Kerui Chen, Yiqing Wang, Kangzhou Xin, Qinghan Zhang, Songyang Ding

分类: cs.CV

发布日期: 2026-08-12

备注: 16 pages, 7 figures

💡 一句话要点

提出PolarSym以解决CAD平面解析中的几何对称性问题

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting)

关键词: CAD平面解析 建筑信息建模 几何感知 Transformer 极坐标 自注意力机制 深度学习 建筑布局

📋 核心要点

  1. 现有的Transformer方法在推断建筑布局的几何对称性时存在不足，导致长距离匹配不准确。
  2. 本文提出PolarSym框架，通过独立建模方向和距离来增强几何感知能力，解决了现有方法的局限性。
  3. 实验表明，PolarSym在多个指标上超越基线模型，并且收敛速度更快，优化过程更稳定。

📝 摘要（中文）

CAD平面解析是建筑信息建模（BIM）中的一项基础任务，旨在从二维工程图中自动提取建筑元素，如墙壁、门、窗和家具。现有基于Transformer的方法通过自注意力机制捕捉全局语义依赖，但仅依赖语义特征推断空间关系，未能明确表征建筑布局的内在几何对称性。这导致在长距离匹配和复杂对称空间布局中产生不匹配的对应关系。为了解决这一局限性，本文提出了PolarSym，一个基于极坐标的几何感知注意力框架。该框架将建筑的几何关系解耦为方向和距离两个互补组件，独立建模。通过方向约束增强结构一致性，并通过距离约束建立长距离对称对应关系。实验结果表明，PolarSym在公共CAD平面解析数据集上超越了基线模型SymPoint V2，提升了1.73%的PQ、1.54%的RQ和4.31%的mIoU，同时收敛更快，优化更稳定。

🔬 方法详解

问题定义：本文旨在解决CAD平面解析中对建筑几何对称性建模不足的问题。现有方法主要依赖语义特征，未能有效捕捉空间关系，导致长距离匹配和复杂布局中的不匹配。

核心思路：PolarSym通过将几何关系解耦为方向和距离两个独立的组件，增强了模型对几何特征的感知能力。方向约束用于增强结构一致性，而距离约束则用于建立长距离的对称对应关系。

技术框架：PolarSym框架包含两个主要模块：方向建模和距离建模。方向建模通过约束来确保结构的一致性，而距离建模则通过动态门控机制将两个几何信息分支有效融合，保持了Transformer的基本架构。

关键创新：PolarSym的创新在于引入了极坐标几何感知注意力机制，显著提升了Transformer在几何建模方面的能力，与传统方法相比，能够更好地处理复杂的对称布局。

关键设计：该框架采用动态门控机制来融合方向和距离信息，确保在保持计算效率的同时，增强几何建模能力。实验中验证了方向和距离建模的互补效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在公共CAD平面解析数据集上的实验结果显示，PolarSym在PQ、RQ和mIoU指标上分别超越了基线模型SymPoint V2 1.73%、1.54%和4.31%。此外，PolarSym的收敛速度更快，优化过程更加稳定，验证了其有效性和优越性。

🎯 应用场景

该研究具有广泛的应用潜力，特别是在建筑设计、城市规划和智能建筑等领域。通过提高CAD平面解析的准确性，PolarSym能够为建筑信息建模提供更可靠的支持，促进建筑行业的数字化转型。未来，该方法还可能扩展到其他需要几何感知的视觉任务中。

📄 摘要（原文）

CAD plan parsing is a fundamental task in Building Information Modeling (BIM), aiming to automatically extract architectural elements including walls, doors, windows, and furniture from 2D engineering drawings. Existing Transformer-based methods capture global semantic dependencies via self-attention, yet they infer spatial relationships merely from semantic features without explicitly characterizing the intrinsic geometric symmetry of building layouts. Such methods tend to produce mismatched correspondences in long-range matching and complex symmetric spatial layouts. To tackle this limitation, we propose PolarSym, a polar-coordinate geometry-aware attention framework for CAD plan parsing. The framework decouples geometric relationships of buildings into two complementary components, direction and distance, which are modeled independently. Structural consistency is strengthened by directional constraints, while long-range symmetric correspondences are built with distance constraints. A dynamic gating mechanism is adopted to synergistically fuse the two geometric information branches while maintaining the vanilla Transformer architecture. This design boosts geometric modeling capacity with negligible extra computation. Experiments on a public CAD plan parsing dataset show that PolarSym surpasses the reproduced SymPoint V2 baseline by 1.73% PQ, 1.54% RQ and 4.31% mIoU under identical training settings. PolarSym also converges faster and yields more stable optimization. Ablation experiments verify the complementary effects of direction and distance modeling. Our results reveal that PolarSym improves the geometric awareness of Transformers at low computational cost, offering an effective geometric modeling paradigm for CAD plan parsing.