Кома: Контекстуальное массовое поколение с моделями зрения и языка

arXiv: 2601.08464v2 Annualce Type: заменить резюме: " Рассчитываемое на контекст здание массовое строительство является важной задачей раннего этапа проектирования: учитывая место для зданий, генерируемая масса должна не только соответствовать целевому пакету, но и соотноситься с масштабом, плотностью и морфологией окружающих его городских тканей. Эта задача, естественно, носит мультимодальный характер, поскольку целевой результат должен оставаться структурированным и поддающимся редактированию, а окружающий контекст, включая другие здания или дороги, может быть представлен в качестве геометрии векторов, картографических изображений или трехмерных просмотров. В настоящем документе мы изучаем контекстуальное массовое поколение с использованием моделей языка зрения (МВУ) и анализируем их эффективность в этой области по различным условиям в ходе обучения и на основе выводов. Мы собираем экспериментальный набор данных из 12 845 Мельбурн с контурами посылок, структурированной 3D геометрии, соседними зданиями, сверху вниз и многовидовыми 3D контекстными изображениями. Мы также введем полученный контекстуальный показатель актуальности для оценки wh