図面の自動解析：AI はどう建築図面を読むのか
図面 AI の内側：物体検出、セグメンテーション、学習データセット — 専門用語なしで、モデルの実際の限界とともに解説。
建築図面はひとつのグラフィック言語です。平行な 2 本の線は壁、円弧はドア、分割された長方形は窓。訓練された人間なら数秒で読めます。しかし機械には長らく手が届きませんでした — 表記規則は事務所ごとに異なり、図面にはノイズ、注記、ハッチングが混じります。 現代のビジョンモデルはそれを変えました。数千枚の注釈付き図面で学習し、ドア・窓・壁・部屋を信頼度スコア付きで特定し、そこから面積と数量を導きます。本ガイドでは、これらのモデルの仕組み、学習データ、そして何より、あなたの図面で結果が実際どこまで通用するかを解説します。
物体検出：AI はどうドアと窓を見つけるか
hub_ana_s1_text
セグメンテーション：壁と部屋をピクセル単位で抽出
hub_ana_s2_text
検出からデータへ：面積・スコア・エクスポート
hub_ana_s3_text
よくある質問
AI は図面上のどんな要素を検出できますか？
実用モデルは、耐力壁と間仕切り、ドア（開き方向付き）、窓、用途付きの部屋、建物の外形を検出します。そこから m² 面積、周長、壁の線長、開口部の数量を導き — すべて要素ごとの信頼度スコア付きです。
なぜ汎用モデルはフランスの図面で失敗するのですか？
主に北米や北欧のコーパスで学習しているためです。作図規則、壁の厚さ、ドアの記号、寸法の記載習慣が異なります。CubiCasa5K で好成績のモデルでも、フランスの建築許可図面では崩れることがあります。対策は、注釈付きのローカル図面によるファインチューニングです。
AI は配置図やファサードを解析できますか？
同じ技術が適用できます。ファサードでは、検出が開口部とその寸法を特定し、改修や建具の見積りを準備します。配置図では建築面積を抽出します。FloorScan はすでにファサード解析を提供しており、配置図解析も近日対応予定です。
間取りの質を自動評価できますか？
図面が部屋・面積・動線に構造化されれば、客観的な指標を計算できます：面積比、部屋の奥行き、採光の可能性、動線効率。これは図面解析の論理的な次のステップ — 自動化された間取り品質スコアであり、FloorScan が現在積極的に開発中です。