摘要

建筑规划设计领域正经历一场深刻的变革，朝着融合先进计算方法的方向发展，旨在通过自动化手段彻底革新传统设计流程。其中，平面图识别的自动化是关键环节。然而，由于建筑平面图风格多样，且基于学习的方法依赖大规模标注数据集，而此类数据集的构建面临标准化可视化规则缺失与专业标注知识不足的双重挑战。为此，本研究提出一种新颖的基于涂鸦（scribble）的半弱监督框架，通过融合弱标注图像与未标注图像，有效提升模型的鲁棒性与泛化能力。该框架在简化标注流程的同时，仍能保留丰富的细节信息。相应地，我们构建了一个新的基准数据集，用于平面图图像解析，涵盖广泛的建筑风格与类别。实验结果表明，所提出的框架在解析准确率与模型适应性方面均取得显著提升，显著超越当前最先进的解决方案。