Raster2Seq：将平面图重建转化为序列生成任务的新方法
原帖
**Raster2Seq：用于平面图重建的多边形序列生成**
_Raster2Seq: Polygon Sequence Generation for Floorplan Reconstruction_
> 本文提出了Raster2Seq方法，将平面图重建问题转化为序列到序列任务。该方法用带标签的多边形序列表示平面图元素（如房间、门窗），通过自回归解码器结合图像特征和可学习锚点来预测下一个角点，从而有效处理复杂平面图的几何和语义结构。该方法在Structure3D、CubiCasa5K等多个基准测试中达到了最先进的性能，并展现了对复杂数据集（如WAFFLE）的强泛化能力。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2602.09016)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
本文介绍了Raster2Seq方法，该方法将平面图重建问题转化为序列到序列任务，通过自回归解码器预测多边形角点，在多个基准测试中达到最先进性能。
答案说明
Raster2Seq是一种用于平面图重建的多边形序列生成方法。它将重建问题定义为序列到序列任务，使用带标签的多边形序列表示平面图元素（如房间、门窗），并通过自回归解码器结合图像特征和可学习锚点来预测下一个角点，从而处理复杂几何和语义结构。根据原文，该方法在Structure3D、CubiCasa5K等基准测试中达到了最先进的性能，并在WAFFLE数据集上展现出强泛化能力。
这篇帖子回答的问题
- Raster2Seq方法如何将平面图重建转化为序列任务？
- Raster2Seq方法在哪些基准测试中取得了领先性能？
核心观点
- Raster2Seq通过将平面图重建定义为序列到序列任务，使用自回归解码器预测多边形角点序列来处理复杂的几何和语义结构。
- 根据原文，该方法在Structure3D、CubiCasa5K等基准测试中达到了最先进的性能，并展现了对复杂数据集（如WAFFLE）的强泛化能力。
FAQ
- Q: Raster2Seq如何表示平面图元素？
- A: 根据原文，该方法使用带标签的多边形序列表示平面图元素，如房间、门窗。
- Q: Raster2Seq方法使用什么解码机制？
- A: 根据原文，该方法使用自回归解码器，结合图像特征和可学习锚点来预测下一个角点。
关键实体
- Raster2Seq
- Structure3D
- CubiCasa5K
- WAFFLE