《AUTOMATION IN CONSTRUCTION》：Recovering ontology-normalized layer classes from vector-native PDF drawings via graph-based learning
• 向量原生PDF被映射到本体标准化的制图层类别。
• 该流水线在不将工程图纸栅格化的情况下保留了文档结构。
• 图模型融合了几何信息、样式、局部上下文和文本接地特征。
• 除基本几何信息外，局部几何上下文是最强的信号。
• 导出器偏移仍然具有挑战性，细粒度迁移准确率为0.064–0.122。
**1. 引言**
尽管建筑信息模型（BIM）的采用不断增长，多学科技术图纸仍然是现有资产的重要记录。Volk等人指出，不完整和异质的遗留信息是既有建筑BIM创建中持续存在的难题[1]，而Trzeciak和Borrmann证明施工图仍可为BIM配准提供几何证据[2]。然而，一旦这些图纸以PDF图页形式交换，其CAD图层组织结构可能缺失、仅部分保留，或通过特定于来源的命名方式编码。Yin等人展示了图层分类在建筑重建中的价值[3]；Zhao等人[4]和Pan等人[5]也分别依赖结构化的2D图纸信息进行结构和机电暖通（MEP）BIM恢复。
CAD图层分离专业领域，组织制图逻辑，控制可见性和打印行为，并为下游任务提供结构。导出后，这些信息可能不可用或仅以特定于来源的命名约定保留。即使图层分配以可选内容组（OCG）的形式在技术上存活，其名称也不一定跨文档来源映射到稳定的类别。
这一限制影响了众多实际的图纸分析工作流程。专业筛选、工程量统计、图纸审核和CAD到BIM预处理等任务通常要求在进一步分析前隔离相关的图纸内容子集。当此组织结构不可用时，从业者必须依赖手动选择、脆弱的启发式规则或办公场特定的规则，而这些规则泛化能力较差[4]，[5]。
已有的图纸理解工作展示了保留结构的价值，但许多方法假定栅格图像、结构化CAD数据或一致性的注释。例如，VectorGraphNET在矢量结构可用时使用图注意力来分割复杂的技术图纸[6]。相比之下，本文研究的PDF保留了精确的几何形状和文档顺序，但仅保留了部分且异质的制图结构痕迹；因此，标准化的图层恢复必须利用在文档交换中存活的信号。
本文提出三个问题：（RQ1）从精确的矢量几何形状、局部制图上下文、渲染样式和接地文本中可以恢复多少本体标准化的制图图层组织；（RQ2）图消息传递是否在相同的节点特征之外增加了价值；以及（RQ3）在可观察到的来源组偏移下性能如何变化。原始OCG或来源图层字符串仅在构建监督时被规范化并映射到共享本体；这两种表示均非模型输入。所生成的标签反映了制图信息和工程规律，而非独立验证的工程语义真值。图1概述了这一监督契约。原始和规范的图层字符串构建目标标签，但被排除在预测输入之外。
我们全程保持在矢量域：PDF内容流被重构为结构化SVG，并转换为图，其中节点为单个矢量基本图元，边编码局部空间关系。节点特征融合了几何、渲染线索、上下文统计和接地文本。这一设计遵循了图表示支持AEC（建筑、工程与施工）数据语义增强的证据，包括房间类型分类[7]，以及Jia等人[8]关于建筑GNN的广泛综合。
下载：下载高分辨率图片（226KB）下载：下载全尺寸图片
图1. 矢量证据、原始制图图层来源、规范化图层文本和本体标准化监督之间的区别。
这一设定比矢量原生图纸理解中通常考虑的结构化CAD基准更具挑战性。输入不是干净的制图模型：图层命名不一致，监督必须从异质的来源约定中重建。因此，任务不是分割已结构化的CAD实体，而是从文档原生证据中预测固定的制图图层来源的规范化结果。
为支持受控评估，我们在一个包含基本图层类、功能图层组和运营域三个层级的层次体系下构建了一个基本图元图基准。主要贡献如下：
1. 一个保留几何形状、样式、文本放置、文档顺序和可选内容来源信息的文档保留型PDF到SVG流水线及确定性基本图元图，同时将来源图层字符串排除在预测特征之外；
2. 一个具有固定的三级规范化层次体系的导出后节点分类基准，用于处理异质的制图图层名称；以及
3. 受控的特征消融、匹配的图/MLP比较和来源组压力测试，以区分语料库内恢复和跨来源迁移。
这些贡献融合了矢量保真度、基本图元级关系建模、层次化监督和显式的迁移诊断。证据支持在不栅格化的情况下进行语料库内规范化制图图层组织的恢复；超出所观察到的来源约定的迁移仍然有限。
本文其余部分组织如下：第2节将该任务与基于栅格、CAD原生和PDF的图纸理解进行定位对比。第3节描述文档重建、图构建和本体标准化监督。第4节定义实验设置和不同的评估协议。第5节报告原始恢复实验和支持性诊断。第6节讨论解释、实际应用、泛化和局限性，第7节以未来工作作为结论。
**2. 相关工作与定位**
本节根据输入时可用的结构和要预测的目标来定位该任务。栅格方法从像素推断几何形状，CAD原生方法从结构化实体开始，而本工作从交换后的PDF中重建矢量证据以预测规范化制图图层类别。
**2.1 基于栅格的图纸理解**
基于栅格的图纸分析结合了视觉提取与结构推理。Dosch等人开发了一个完整的建筑图纸分析系统[9]，而Lladós等人使用子图匹配处理手绘平面图[10]。后续的基于学习的方法解决了平面图解析[11]、多任务房间与边界识别[12]以及专用文本检测与识别[13]。CubiCasa5K提供了大规模的栅格平面图基准[14]，Liu等人证明了显式的矢量中间表示也可从像素中重建[15]。
这些工作展示了图纸理解方面的强劲进展，但通常假定栅格输入或旨在从图像恢复布局结构。我们的设定不同：输入是矢量原生PDF，其中精确的矢量几何形状在文档交换后存活，而制图时的图层语义可能已退化、命名不一致或缺少可直接用于下游的稳定结构。
**2.2 矢量原生CAD理解**
第二系列工作直接操作矢量原生CAD图纸。FloorPlanCAD建立了大规模的基本图元级全景符号检测基准[16]。GAT-CADNet添加了图注意力和显式空间编码[17]，CADTransformer引入了CAD特定的Transformer骨干网络[18]，Symbol as Points探索了点基表示用于同一广泛问题族[19]。
这些矢量原生方法是我们工作最接近的方法学亲缘。然而，它们通常假定可以访问CAD原生结构、任务特定的对象标签或相对干净的矢量监督。相比之下，我们研究从矢量原生PDF中恢复导出后的图层语义，其中存活的结构仅是部分的，监督必须从异质的项目约定中重建。
**2.3 基于PDF的提取与图层语义**
PDF重建决定了哪些几何形状、文本、顺序和可选内容来源信息可供学习使用。矢量原生工程图纸保留了制图操作、文本放置和渲染顺序，但不直接暴露稳定的工程表示。实际的重建因此需要忠实地解析内容流、图形状态效果和可选内容结构。OCG可能保留制图时的图层来源信息，但该信息依赖于工具链，无法直接作为一致的语义目标复用。
相关的AEC工作从结构图纸中恢复BIM几何[4]，使用图层分类支持建筑重建[3]，以及从2D图纸重建MEP信息[5]。这些任务展示了结构化图纸信息的价值，而异质的项目特定图层名称促使本体引导的协调而非直接学习原始导出字符串。
**2.4 本工作的定位**
我们的工作处于这三个方向的交汇处。与基于栅格的图纸理解类似，我们处理的是交换后的图纸而非理想化的CAD资产。与矢量原生CAD学习类似，我们保持在矢量域并通过图来关系化建模基本图元。与基于PDF的重建工作类似，我们明确考虑了文档保留型提取和可选内容来源信息。
关键区别在于任务本身。我们不是旨在分割栅格平面图、检测CAD符号或仅重建几何形状。相反，我们从PDF导出后的几何形状、渲染样式、局部制图上下文和接地文本中预测本体标准化的制图图层类别。与栅格方法相比，精确的文档原生路径已经可用；与CAD原生基准相比，没有干净的实体和通用的对象标签。与单纯的PDF提取相比，输出在固定的规范化层次体系下作为基本图元级的监督预测来评估。因此，贡献在于任务表述、重建到图的集成、表示设计、本体/基准构建和受控评估——而非新颖的图架构或通用工程本体。
**3. 材料与方法**
我们的方法基于一个直接的前提：PDF导出后任何可恢复的制图图层信息仍然编码在文档原生信号中。因此我们避免栅格化，直接操作矢量几何形状、文本放置、渲染顺序，以及在可用时的可选内容结构。我们使用SVG作为中间表示，因为它显式地暴露了几何形状、样式、分组结构和渲染顺序。流水线随后分为四个阶段：(i) 文档保留型PDF解析至结构化SVG，(ii) 几何清理和基本图元规范化，(iii) 将生成的图纸转换为基本几何图元的属性图，以及(iv) 本体标准化CAD图层类别的节点级预测。图2概述了这一流水线。矢量作品图展示了点采样、半径门控的局部图构建、边关系编码、文本接地和特征聚合。嵌入的节点表枚举了443个通道；已实现的533列模式还包含6个基本图元几何/样式标量和84个固定的模式兼容性条目，详见补充材料中的"实验可重复性记录"部分。来源图层字符串构建基准标签但被排除在这些预测特征之外。操作级别的细节见补充材料中的"PDF重建细节"部分。
下载：下载高分辨率图片（1MB）下载：下载全尺寸图片
图2. 文档保留型的矢量到图特征构建。
**3.1 PDF解析与渲染语义**
每个PDF页面直接从其内容流解析，同时保留绘图操作符的顺序和活动的图形状态效果。PDF渲染遵循画家模型，其中较晚的命令可以覆盖较早的命令；因此解析器按文档顺序输出重构的矢量路径、文本、样式和可选内容结构。代表性的操作符覆盖范围在补充材料"PDF重建细节"部分中报告。
**3.2 基本图元重建**
基本图元重建保留了后续图构建所需的已编写路径、文本和可选内容证据。以下部分说明了每种内容类型的处理方式。
**3.2.1 矢量路径重建**
在PDF操作符流中由一个基本图元追踪的有序连续轨迹表示为路径，保留连续性、绘制顺序和局部形状。路径操作符（m、l、c、h）被累积为SVG序列；re产生的矩形被规范化为等价路径，弧线用三次贝塞尔曲线近似，描边/填充样式从活动的图形状态导出。
**3.2.2 文本解码与度量**
文本直接从PDF内容流提取，使已编写内容和放置锚点保持可用。解码遵循嵌入的Unicode映射、字体编码和标准回退的确定性层次；边界框使用可用的字体度量。当可搜索文本与作为矢量轮廓重绘的字母共存时，已编写的文本通道被保留，重复的轮廓几何形状被排除。完整的解码细节见补充材料"文本解码与接地"部分。
**3.2.3 可选内容组（图层）**
工程图纸通常在CAD中使用显式的图层结构进行编写。导出后，该结构并不总能干净地映射到稳定的下游语义，但保留它仍有价值，因为它提供了可以在训练期间规范化和重用的弱监督信号。
在PDF图纸中，这种制图时的图层结构表现为可选内容组（OCG），将内容组织为可选择性可见的组。流水线从PDF结构中重建OCG层次结构，并将每个组映射到对应的SVG组元素。在解析期间，BDC/EMC标记封闭的绘图操作符与它们的OCG标识符关联，因此几何基本图元和文本元素保留了图层成员关系。
可见性状态从PDF的默认配置导出。保留OCG结构不是因为原始图层名称普遍具有意义，而是因为它提供了制图元数据，可以协调为本体并用作基准监督。
**3.3 几何规范化**
几何规范化使坐标系和拓扑处理在各图纸之间保持一致，同时保留用于学习的矢量结构。它包括稳健的比例规范化和确定性的后处理。
**3.3.1 几何稳健性**
由于PDF坐标中的浮点数不精确，本应重合的几何基本图元在数值表示上可能存在细微差异。此类差异源于PDF生成期间的重复坐标变换、字体度量和渲染操作。
为稳定几何重建，端点吸附使用固定容差ε=10?3 SVG用户空间单位。
设 $\mathbf{p}_i, \mathbf{p}_j \in \mathbb{R}^2$ 表示两个原语的候选端点坐标：(1) $\|\mathbf{p}_i - \mathbf{p}_j\|_2 < \epsilon \Rightarrow \mathbf{p}_i \equiv \mathbf{p}_j$。在此半径范围内的点将被合并，从而在亚像素精度下稳定端点图的构建和环检测。
**3.3.2 几何后处理与环重构**
SVG生成之后，对几何原语进行后处理以产生结构一致的表示。该过程包含三个主要步骤：(1) 去除重叠线段，(2) 提取线段端点，(3) 构建无向端点图。
设 $G_{\text{end}} = (V_{\text{end}}, E_{\text{end}})$ 表示由具有两个不同端点的SVG原语构建的吸附端点图。符合条件的直线/折线/开放路径原语在其起点和终点之间贡献一条边。容差为 $\tau$ 的端点吸附产生稳定的节点标识；只有与至少两个原语关联的吸附端点簇被保留为图节点。
环提取随后对 $G_{\text{end}}$ 应用确定性的DFS风格基例程（Paton风格），使用固定的邻居排序和环规范化。该例程计算基本环基而非所有简单环；保留的环变为闭合的SVG路径，并且只有参与的开放原语被移除。完整的程序在补充材料部分"确定性端点-环提取"中提供。
端点图仅用于几何清理和环重构；稍后介绍的原语关系图是用于学习的机器可解释结构。清理后的场景最终被序列化为三种元素类型，即路径、文本和图层组。此结构化SVG输出保留了源渲染语义，并作为下游原语图构建的输入。
**3.4 原语图构建**
由PDF提取流程产生的精化分层SVG被转换为用于学习的带属性原语图。几何主要由`
`元素表示，辅助``元素保留文本跨度接地区域，文本注释作为具有仿射放置信息的``元素出现。图2总结了此转换。
我们定义一个带属性的无向图 (2) $G = (V, E)$，其中每个节点 $v \in V$ 对应一个几何原语，每条边 $(i, j) \in E$ 编码空间或结构关系。
**表示设计原则。** 图的表述遵循四项设计原则。
**原语为中心。** 矢量原语被视为表示的基本几何标记。它们构成了跨越绘图尺度、制作工具和导出格式的最小稳定单元。
**几何与语义分离。** 几何结构仅通过矢量原语之间的关系进行编码。文本通过其句子级边界框进行定位并贡献语义特征，但不产生几何边。
**构建契约。** 图构建是确定性的：相同的SVG输入产生相同的节点、边和特征。这消除了预处理方差，并使消融实验可直接比较。
**局部关系编码。** 边被限制在附近的原语之间，因此每个消息传递步骤捕获局部绘图上下文。仅通过类型化拼接边添加长程依赖，当局部邻域否则将不连通时。
相应地，文本元素被排除在几何边集之外，其嵌入通过边界框接地附加到附近的原语，保持几何连接与语言证据分离。
**确定性构建规则。** 图构建是完全确定性的。邻居选择、文本到跨度分配、跨度到原语接地、规范边存储和组件拼接使用固定的字典序平局解决规则，使相同的SVG输入产生相同的节点、边和特征。确切的辅助和回退规则在补充材料部分"确定性平局解决和回退规则"中提供。
**3.5 几何采样与节点特征构建**
每个SVG原语通过自适应递归细分转换为折线，点到段容差为 $\tau = 0.25$ SVG用户空间单位。Ramer–Douglas–Peucker简化使用相同容差，之后每个原语按弧长重新采样为恰好 $M = 64$ 个点。
从重新采样的折线中计算几何和形状描述符，包括归一化路径长度、归一化边界框宽度、高度和面积、闭合指示器、闭合子路径面积、主方向和固定长度曲率轮廓（例如，沿弧长分箱的11个平均转向角分箱）。外观属性也从SVG样式信息中提取，包括归一化线宽和RGB描边/填充颜色。
**节点特征向量。** 对于每个原语 $i$，我们构建一个固定维度的节点描述符 (3) $\mathbf{x}_i = [\mathbf{x}^{\text{geom}}_i \parallel \mathbf{x}^{\text{shape}}_i \parallel \mathbf{x}^{\text{style}}_i \| \mathbf{x}^{\text{ctx}}_i \| \mathbf{x}^{\text{text}}_i] \in \mathbb{R}^d$，其中 $\parallel$ 表示向量拼接。
几何特征 $\mathbf{x}^{\text{geom}}_i$ 包括归一化路径长度、边界框宽度、高度和面积、归一化坐标中的质心位置，以及闭合指示器，包括任何子路径是否闭合以及闭合子路径的绝对面积之和。
形状轮廓 $\mathbf{x}^{\text{shape}}_i$ 捕获曲率统计。设 $\{\mathbf{p}_{i,t}\}_{t=1}^M$ 表示弧长重新采样的折线（$M$ 固定为64）。连续归一化段方向之间的转向角被计算并聚合为具有11个分箱的固定长度曲率直方图。
样式特征 $\mathbf{x}^{\text{style}}_i$ 使用一致的SVG样式字符串转换规则，在归一化RGB空间中编码线宽和描边/填充颜色。
上下文特征 $\mathbf{x}^{\text{ctx}}_i$ 总结归一化半径 $\tilde{R}$（第3.7节）内的局部邻域。这些包括多尺度密度计数、邻域方向统计、模式/重复线索、闭合指示器和轻量级源顺序描述符。
文本特征 $\mathbf{x}^{\text{text}}_i$ 是空的，除非文本与原语 $i$ 关联。当文本与原语 $i$ 关联时（第3.11节），我们追加一个二元"有文本"标志和文本内容的句子嵌入。
**3.6 场景归一化**
所有坐标和几何度量根据绘图边界框和场景对角线进行归一化。原语坐标以归一化坐标系表示，使几何描述符对绘图尺度不变。
计算特征长度尺度，为场景中所有原语的中位数段长。此尺度定义了图构建过程中使用的局部邻域半径。因此，用于 $k$NN边构建、上下文特征和端点吸附的距离均相对于此归一化尺度表示。
归一化常数和阈值在所有实验中固定不变。此归一化参数化随后一致地用于局部邻域构建。
**3.7 通过$k$NN和半径门控的局部连通性**
局部连通性使用 $k$ 近邻（$k$NN）搜索，固定 $k = 30$，随后进行半径约束。使用上述定义的归一化质心和特征尺度，设 $V_{\text{nt}} \subseteq V$ 表示非文本节点集，$n_{\text{nt}} = |V_{\text{nt}}|$ 为其数量。
如果 $n_{\text{nt}} < 2$，不创建几何边，邻域/上下文通道设置为零。否则，对于每个具有归一化质心 $\tilde{\mathbf{c}}_i \in \mathbb{R}^2$ 的节点 $i \in V_{\text{nt}}$，我们查询kd-tree以获得 (4) $k_i = \min(k, n_{\text{nt}} - 1)$ 个最近邻，使用补充材料部分"确定性平局解决和回退规则"中指定的确定性平局解决规则。
然后使用局部半径约束 (5) $\|\tilde{\mathbf{c}}_i - \tilde{\mathbf{c}}_j\|_2 \leq \tilde{R}$ 过滤候选邻居，其中 $\tilde{R} = 10\tilde{s}_{\text{char}}$，$\tilde{s}_{\text{char}}$ 是第3.6节中定义的特征尺度。一旦邻接关系确定，每条保留的边都附加显式关系特征。
**3.8 边特征模式**
对于每条保留的无向边 $(i, j)$，我们计算一个固定维度的边描述符 $\mathbf{e}_{ij} \in \mathbb{R}^{25}$，捕获原语之间的几何和样式关系。该描述符包括：(i) 接近性线索（例如，$k$NN成员资格和最小距离），(ii) 长度比和相似长度指示器等几何相似性度量，(iii) 近似拓扑关系，包括折线交集分箱、端点连续性和边界框IoU，(iv) 包含谓词，(v) 编码为位移角的正弦和余弦的相对方向，以及(vi) 包括线宽和颜色差的样式差异。这些轻量级确定性特征提供稳定的关系信号，同时对抗轻微坐标噪声保持鲁棒性。
**3.9 连通性拼接**
半径门控$k$NN图可能产生不连通组件，特别是在稀疏绘图中。为确保全局消息传递可达性，当图变得高度碎片化时，我们有选择性地引入少量人工边。
设 $E$ 表示第3.7节中定义的保留的半径门控几何边集。由 $E$ 诱导的图可能包含按文档顺序排列的连通组件 $\{C_m\}_{m=1}^{M_c}$，其中 $M_c$ 是连通组件总数。对于每个组件，我们选择一个代表节点，其中 $\pi(i)$ 表示节点 $i$ 的文档顺序索引：(6) $r_m = \arg\min_{i \in C_m} \pi(i)$，这对应于组件 $C_m$ 中按文档顺序排列的第一个节点。然后我们用一条简单的拼接边链连接组件 (7) $E_{\text{stitch}} = \{(r_m, r_{m+1})\}_{m=1}^{M_c - 1}$。
每条拼接边携带专用的type_stitch标志，而其他关系字段均设置为零。此设计确保消息传递的全局可达性，同时保持人工长程连接明确可识别。
**3.10 上下文特征**
除了成对边关系外，我们还计算一个固定上下文描述符，总结每个原语周围局部邻域的几何结构。设节点 $i$ 的半径邻域为 (8) $\mathcal{N}_{\tilde{R}}(i) = \{j \neq i \mid \|\tilde{\mathbf{c}}_i - \tilde{\mathbf{c}}_j\|_2 \leq \tilde{R}\}$。
**多尺度密度统计。** 第一块总结多个尺度上的局部密度。对于半径 $\rho_m \in \{0.5\tilde{R}, \tilde{R}, 2\tilde{R}\}$，我们记录 (9) $d^{(m)}_i = |\{j \mid \|\tilde{\mathbf{c}}_i - \tilde{\mathbf{c}}_j\|_2 \leq \rho_m\}|$，并用邻域平均原语面积、平均长度及其变异系数增强这些计数。
**方向直方图。** 第二块使用具有12个角度分箱的加权方向直方图捕获方向结构：(10) $H_{ib} = \frac{1}{Z_i} \sum_{j \in \mathcal{N}_{\tilde{R}}(i)} \exp\left(-\frac{\|\tilde{\mathbf{c}}_i - \tilde{\mathbf{c}}_j\|_2}{\tilde{R}}\right) \mathbf{1}[\theta_{ij} \in B_b]$，$b \in \{1, \ldots, 12\}$，其中 $\theta_{ij}$ 表示从 $i$ 到 $j$ 的位移角，$\{B_b\}$ 划分 $[-\pi, \pi)$，且 (11) $Z_i = \max\left(\sum_{j \in \mathcal{N}_{\tilde{R}}(i)} \exp\left(-\frac{\|\tilde{\mathbf{c}}_i - \tilde{\mathbf{c}}_j\|_2}{\tilde{R}}\right), \varepsilon_Z\right)$，其中 $\varepsilon_Z > 0$ 是用于数值稳定性的小常数，此项用于归一化直方图。如果 $\mathcal{N}_{\tilde{R}}(i) = \emptyset$，我们设所有 $b$ 的 $H_{ib} = 0$。
**额外结构线索。** 额外的上下文通道捕获局部模式计数、重复规律性、对称性、闭合线索和轻量级文档顺序统计。在默认配置下，产生的上下文描述符为30维且完全无标签。
**3.11 文本接地与语言融合**
文本注释作为附加到几何原语的语义属性纳入，而非作为独立的图节点。因此，每个匹配的原语都获得一个二元文本存在标志，并且在可用时，获得一个表示关联文本的句子嵌入。
形式上，文本融合仅修改上述定义的节点特征向量的文本块：$\mathbf{x}_i = [\mathbf{x}^{\text{geom}}_i \parallel \mathbf{x}^{\text{shape}}_i \parallel \mathbf{x}^{\text{style}}_i \| \mathbf{x}^{\text{ctx}}_i \| \mathbf{x}^{\text{text}}_i]$，其中 $\mathbf{x}^{\text{text}}_i$ 包含一个句子嵌入，表示与原语 $i$ 关联的文本的语义内容。当未分配文本时，该分量为零值，并伴随一个二元文本存在标志。
**文本接地。** 文本实例使用从PDF文本跨度几何获得的辅助跨度矩形进行接地。每个文本元素首先使用包含和最近区域回退规则匹配到一个跨度矩形。然后将跨度矩形与具有最大重叠或最近兼容边界框的几何原语关联。
结果句子嵌入与二元文本存在指标一起拼接到匹配原语的节点特征向量。
文本元素本身被排除在几何边集之外。包含字形轮廓将引入与绘图语义无关的密集图结构，并扭曲模型使用的几何连接性。
**3.12 语义监督**
节点标签从PDF提取期间恢复的保留CAD层结构导出。每个几何原语继承其来源的可选内容组（OCG）或SVG组的层标识符，产生的层字符串被规范化并映射到第3.13.1节描述的CAD层本体。在此报告中描述的实验中，监督在细粒度的原语层类分辨率上应用，而功能层组和操作用域目标通过层次聚合获得。图构建期间不对原语进行人工重新标记。
**3.13 学习公式与监督目标**
图构建后，每个绘图表示为一个带属性的原语图 (12) $G = (V, E, X, D)$，其中节点对应从SVG表示中提取的几何原语，边编码第3.4节定义的局部空间关系。
学习任务为节点级语义预测：(13) $f_\theta: (G, i) \to y_i$，其中 $y_i$ 表示分配给原语 $i$ 的本体规范化层类。
此任务针对导出后本体规范化制作层组织的恢复。模型不预测独立注释的对象类别，而是预测从每个原语保留的源层来源映射的冻结类。因此，准确性衡量与该规范化的一致程度，而非源层是否在语义上理想或原语是否构成完整的工程对象。
文本仅通过节点属性贡献，而非通过图拓扑。字形轮廓被排除在几何连接性之外，文本线索通过接地到几何原语的文本嵌入注入（第3.11节）。
**3.13.1 层标签构建**
监督从PDF提取期间保留的CAD层分配导出。每个原语继承其OCG或SVG组的层名称，通过以下确定性流程进行映射，因为导出字符串包含格式伪影和项目特定变化。产生的类是从制作层信息导出的基准参考标签；它们不是独立专家验证的工程语义真值。
对于包含 $n$ 个原语的绘图，标签向量为 (14) $\mathbf{y} \in \{1, \ldots, C\}^n$，其中每个 $y_i$ 表示分配给原语 $i$ 的本体规范化CAD层类，$C$ 是本体类的数量。
映射流程为 (15) 原始导出层字符串 → 规范层字符串 → 本体类。
第一步移除导出特定噪声，同时保留语义CAD层标记。第二步将清理后的字符串映射到所有实验中一致使用的固定层次结构。
**层规范化。** 在本体映射之前，使用一组字符串简化规则对每个导出的层名称进行规范化，以移除导出伪影，同时不合并语义上不同的绘图标签。规范化过程包括：去除空格并规范化分隔符、移除导出包装器和路径式前缀、展开重复的导出标记（例如，`|` 或 `$0$`）、当存在路径式结构时保留最右侧的CAD层标记、合并冗余空格。
此步骤移除导出噪声，同时试图保留有意义的区别。例如，`A_WALL_HATCH`、`A_WALL_SOLID` 和 `A_EXISTING_HATCH` 保持为不同的规范字符串。溯源审计识别出 4822 个唯一的原始 OCG 名称和 1850 个规范字符串。其中，1223 个规范字符串被纳入用于监督的冻结本体映射；其余 627 个未映射或被排除。规范化并非无损：330 个规范字符串接收多个原始形式，因此碰撞被保留为显式审计条件，而非假定为语义无害。本体构建。规范层字符串随后通过三级 CAD 层本体映射到规范化类别。本体构建遵循可审计的规则流水线，利用规范层统计、命名碰撞和语料级支持，将异质的来源特定命名整合到共享标签空间中。候选语义分组通过词法规范化、语料统计以及可选的规范层描述符之间的嵌入相似度来提出。嵌入相似度仅用于建议候选对，绝不自动分配本体类别。最终分配在本体构建期间以保守方式固定，并在所有报告的实验中保持不变。将规范化与本体映射分开，使语法缩减与语义分配相互区分。后者有意采用多对一映射：307 个细类中有 152 个接收多于一个规范源字符串。纳入要求在有序规则和冻结层次结构下的分配；未解决或排除的字符串不贡献监督细目标。对 OTHER 的回退分配和歧义记录保留用于审计。映射和层次结构在评估前固定，因此后续审计不会追溯更改基准标签（见表 1）。本体层次结构。最终本体将 1223 个规范层字符串映射到 Primitive Layer Class 级别的 307 个细粒度 CAD 类，这些类进一步组织为 36 个 Functional Layer Groups 和 5 个 Operational Domains。该层次结构允许在同一基准上以细、中和粗语义分辨率进行评估。本文中，粗粒度对应 Operational Domain，中粒度对应 Functional Layer Group，细粒度对应 Primitive Layer Class。表 2 总结了该层次结构，并展示了各 Operational Domain 中 Functional Layer Group 的示例。表 1. 将导出的层名称转换为本体定义的 CAD 类所使用的基于规则的流水线。阶段所做工作输出规范化移除导出包装器、类路径前缀和分隔符噪声，同时保留语义 CAD 层尾标记规范层键词法规范化规范化标记拼写并应用固定标记替换规范化标记序列语义标记添加规则相关的提示，如文本、尺寸和专业标记标记增强表示基于规则的分配应用有序的 require、any-of 和 exclude 规则来分配临时语义分组临时本体映射回退与审计将未解决的案例路由到 OTHER 并记录歧义案例供审计最终映射标签或已审计的未解决案例完整的本体旭日图提供在补充材料"本体构建与验证限制"部分；表 2 是精简的文章摘要。表 2. CAD 层监督层次结构摘要。Operational domainFunctional Layer Groups 数量选定的 Functional Layer Group 示例Building10Wall、Door、Window、Room、Roof、Slab/floorMEP16Electrical power、Electrical lighting、Sanitary water supply、Thermal heating、Ventilation supplyMeta6Annotation、Dimension、Drawing structure、Grid、ReferenceOther1MiscellaneousSite3Landscape、Site equipment、Site infrastructure3.14. 预测模型给定构建的原始图和体定义的标签，我们使用图注意力网络（GATv2）执行节点分类。注意力在此设置中是自然选择，因为不同的邻域关系并非同样信息丰富：例如，连续的近共线连接通常比弱重叠关系或仅为连接性而添加的人工缝合边更有意义。模型由产生节点嵌入的多层 GATv2 编码器组成，后接线性分类头或基于原型的检索头。3.14.1. 输入每张图纸表示为从第 3.4 节所述原始图构建中导出的属性图 ??=(??,??,??,??,??)。节点特征矩阵为 ??∈???×??，边连通性由 ?? 给出，边属性为 ??∈?|??|×25，节点标签为 ??∈{1,…,??}??。3.14.2. GATv2 架构设 ??(0)??=????????? 表示节点 ?? 的输入投影，其中 ????∈????×?? 是可学习的输入投影矩阵。GATv2 编码器执行基于多头注意力的消息传递。在第 ? 层，节点嵌入更新为 (16)??(?+1)??=∑??∈???(??)??(?)???????(?)???(?)??，其中 ??(?)????? 是从邻接节点特征和可选边属性计算得到的注意力系数，??(?)∈????×??? 是可学习的层特定消息投影矩阵。经过 ?? 层后，最终节点表示 (17)????=??(?)?? 作为原始图 ?? 的学习嵌入。这些嵌入通过特定任务的输出头映射为语义预测。使用注意力的动机在于图的异质性：某些局部关系携带强语义证据，而另一些则较弱、有噪声或纯结构性。因此，模型应能强调信息丰富的邻居，并降低不太相关邻居的权重。3.14.3. 预测头和标签空间设 ???? 表示最终节点嵌入。我们考虑两种输出形式。基于类别的预测。在基于类别的形式中，线性分类器产生 logits (18)????=??cls?????+??cls，其中 ??cls∈???×??? 和 ??cls∈??? 是可学习的分类器参数。Logits 通过 softmax 函数转换为类概率。模型针对细 CAD 层标签 ??(fine)?? 使用交叉熵损失进行训练。基于嵌入的预测。在基于嵌入的形式中，语义类别由原型向量表示。该形式测试 CAD 层类是作为离散目标还是作为可学习语义标签空间中的点更为合适。设 (19)??0∈???fine×?? 为用于初始化语义标签空间的类名嵌入矩阵。我们考虑原型矩阵的四种参数化：(20)??=?{ { { {?{ { { {?norm?(??0)固定原型，norm?(?????(??0))投影原型，norm?(???)可训练原型，norm?(?????(???))可训练+投影，其中 ???? 表示学习的线性投影，??? 是从 ??0 初始化的可训练原型矩阵。细级 logits 通过归一化相似度计算：(21)??emb?????=?norm?(????),???????，其中 ??>0 是温度参数。3.14.4. 细粒度与层次化目标训练使用源自三级 CAD 本体的层次化监督。总损失为 (22)?=??fine??fine+??inter??inter+??coarse??coarse，其中 ??fine,??inter,??coarse∈?≥0 是层次损失权重，?fine 是细 307 类 Primitive Layer Class 损失，?inter 是中级 36 类 Functional Layer Group 损失，?coarse 是 5 类 Operational Domain 损失。设 ??????? 表示具有可用监督标签的节点集合。在基于类别的形式中，细级损失为 (23)?CEfine=1|????|?∑??∈????CE?(????,??(fine)??)，其中 CE?(????,????) 是标准多类交叉熵，(24)CE?(????,????)=?log?(softmax?(????)????)。此处，????∈???fine 且 ??(fine)??∈{1,…,??fine}；对 Functional Layer Group 和 Operational Domain 目标定义类似损失。在基于嵌入的形式中，预测通过原型检索获得，得到 (25)?confine=1|????|?∑??∈????CE?(??emb??,??(fine)??)。层次化目标鼓励细层类区分，同时将预测正则化到本体的更粗结构上。在实践中，这有利于保持在本体分支内的错误，而非跨域混淆；它并不独立验证该层次结构的工程意义。4. 实验设置本节将数据划分与不同的实验方案分开。所有实验使用相同的文档重建流水线和冻结本体，但其优化预算、图上限、模型族和重复次数不可互换。因此，原始 50 个 epoch 的特征和目标消融、900 个 epoch 的单次运行、缩减资产的专业诊断、匹配的三随机种子架构比较以及单次运行的表示控制作为不同的证据族报告。4.1. 文档语料库和基准设置评估语料库由来自多学科 AEC 文档档案的矢量原生执行规划图纸组成。图纸包含重复的标题栏、修订表、专业标头、跨图纸引用和反复出现的行政元数据。PDF 创建者/生产者元数据验证了三个导出器族，前缀和专业类标记从文件名机械解析。扁平档案不提供独立的项目或办公室谱系，因此这些变量不被视为项目、组织或来源多样性的证明。图 3 展示了代表性图纸，但不断言独立项目多样性。这些示例说明了密集注释、重复布局结构和异质几何-文本组合。表 3 汇总了最终语料库核算。381 张图纸划分为 244 张训练、27 张验证和 110 张固定测试图纸；因此，244+27+110=381。下载：下载高分辨率图像（621KB）下载：下载完整尺寸图像图 3. 代表性矢量原生工程图纸。文本存在于所有图纸中，但在原始图级别稀疏。在固定测试集上，3.85% 的原始图带有接地文本。标签空间也严重偏斜：原始基准中未应用稀有类合并，前十大细类占原始图节点的 60.1%。因此，Macro-F1 与准确率一同报告。表 3. 综合语料库组成和基准核算。导出器族从 PDF 元数据获得；前缀组和专业标记从文件名派生。项目和办公室身份未独立验证。项目验证值源语料库382 个单页矢量原生 PDF/图对可用于学习381 张图纸；382 个源对中的一个被排除，因为其所有 52,148 个原始图均无映射目标图纸划分244 张训练；27 张验证；110 张固定测试；按图纸划分而非原始图原始图核算共 12,145,543 个；12,076,682 个（99.43%）有监督；68,861 个无监督细目标，其中可用图纸中有 16,713 个本体307 个 Primitive Layer Classes；36 个 Functional Layer Groups；5 个 Operational Domains接地文本381/381 张图纸；430,513/12,093,395 个原始图（3.56%）导出器族AutoCAD 197；MicroStation 139；Allplan 46文件名前缀组7 组：5_3（213）、9_5（71）、5_2（50）、5_4（43）、2_2（2）、5_1（2）、3_2（1）文件名专业标记19 个标记：FMT 114；ELT 74；TWP 45；RLT 26；HZK 24；GLT 19；FBL 16；FAF 15；BRS 14；FAS 9；SAN 7；MDL 7；CRT 6；ARC、BPW、DTR、FOR、NEA 和 SPR 各 1项目/办公室来源未从可用的扁平档案中独立验证；无项目或办公室不相交的主张4.2. 图纸划分、指标和模型选择Primitive Layer Class Acc@1（精确匹配准确率）和 Primitive Layer Class Acc@3（前 3 准确率）衡量 307 个细 CAD 类的节点级性能。Primitive Layer Class Macro-F1 报告相同标签空间上各类 F1 分数的非加权平均值，因此对长尾行为敏感。Functional Layer Group Acc@1 和 Operational Domain Acc@1 报告本体诱导的较粗层次级别上的精确匹配准确率。划分单元为图纸；一张图纸的原始图绝不跨越训练、验证和测试子集。27 张图纸的验证子集从可用的开发池中以按比例分层从文件名派生的前缀组和专业标记中确定性选取。所有 307 个细类均出现在训练数据中；验证和测试子集相对于训练侧类具有完整的节点覆盖。此强制封闭标签条件防止了仅测试目标类，但不防止重复模板、制图规范、导出器或潜在项目在两侧出现。因此，固定基准是图纸不相交的、封闭标签的、语料内评估，而非项目或办公室不相交的测试。对于匹配的架构方案，检查点在三个层次级别上的验证 top-1 准确率综合最大化；选择后固定测试集仅评估一次。运行报告记录所选 epoch、验证分数、测试评估次数、划分哈希和配置哈希。原始实验族保留其报告的验证选择检查点和历史配置，不与匹配方案合并。4.3. 实验方案原始 50 个 epoch 的全局基准使用原始 GATv2 配置，包含两个消息传递层、隐藏维度 1024、八个注意力头、Adam 学习率 2×10?4、混合精度、批量大小 1，以及最多 750,000 条边。它提供特征和目标/标签空间消融。900 个 epoch 的结果保持其对应的架构、目标族、划分、优化器和图预算，是单次运行的较高预算结果。缩减资产的专业运行使用专业标记限制的图纸和标签资产，约 260 个 epoch，仅用于诊断。匹配比较使用 244/27/110 划分，完整的 533 维节点表示，25 维边属性，两层，隐藏宽度 64，四个头（适用时），Adam 学习率 10?3，批量大小 1，混合精度，以及确定性的 60,000 条边模型时间上限。在全局上限之前，结构边（缝合、相交、包含、端点连续性和端点距离关系）被保留，而非结构候选在 2.5 倍中位数正最小距离处过滤，并按局部性、长度相似性和边界框重叠排序，每个节点最多 24 条出向非结构边。如果剩余超过 60,000 个候选，结构边优先，最高分数的剩余部分填满上限；节点身份和标签永不被修剪，连接性在限幅后被优先但不保证。细、中和粗粒度交叉熵损失权重为 1.0、0.75 和 0.5。纯特征的 MLP、GraphSAGE、GATv2 和 TransformerConv 使用相同的数据、节点特征、标签空间、深度、隐藏宽度、优化策略和选择规则。每个架构使用随机种子 42、43 和 44 训练。均值和样本标准差描述此配置下的初始化/优化变异性；它们不是新项目或办公室的不确定性估计。表示控制使用随机种子 42 和匹配的 TransformerConv 配置。它们移除接地文本、移除上下文、仅保留几何、将所有权属性置零，或在相同保留边数下随机化拓扑。每个为单次运行的诊断。特征族相互作用，因此这些控制不是孤立的因果干预，小差异不被解释为稳健效应。层次化监督在此匹配方案下未独立消融。4.4.
**源组迁移诊断**
迁移测试通过逐一剔除每个已验证的导出者家族、高分支持率的文件名派生前缀组以及学科标记来进行。验证绘图仅从训练侧的分组中选取。每个诊断报告全节点准确率、仅已见类别的准确率、已见标签覆盖率和未见细类别的数量。导出者可能与学科、模板以及潜在的项目或组织因素相关；文件名字段是可复现的标记，但并非独立验证的真实项目或学科。因此，这些测试量化的是源组偏移，而非导出者的因果效应或项目的泛化能力。
**4.5 硬件与运行时剖析**
训练和剖析使用 Intel Xeon W-2225 CPU、64 GB 系统内存以及配备 49,152 MiB 显存的 NVIDIA Quadro RTX 8000 GPU（驱动程序 550.54.15）。软件环境为 Python 3.10.12、CUDA 11.8、PyTorch 2.7.1+cu118 和 PyTorch Geometric 2.7.0。训练使用混合精度，批大小为 1。
端到端剖析在冻结的图节点清单的固定分位数上选取 25 个源 PDF。每个案例从 PDF 开始，记录 PDF/SVG 重建、基础图构建、联合处理、特征提取、模型加载/剪枝/前向执行、总挂钟时间、进程树峰值常驻内存以及峰值 GPU 分配。临时输出与稿件数据隔离，失败案例保留在分母中。此设计衡量的是从源文档开始的部署过程，而非仅依赖缓存图的推理。
**5. 实验结果**
我们评估在多大程度上可以从由矢量几何、样式、局部上下文和锚定文本构建的原始图中预测出本体规范化的图层组织。本节的中心仍是原始特征和目标证据：在原始形状之外，局部几何上下文是主要贡献者，而文本虽然稀疏，但在特定条件下具有效用。匹配的架构、表示控制和源组留出试验随后提供了关于消息传递和迁移的支持性证据。
**5.1 实验设置与比较范围**
我们报告六种互补设置。原始强制执行分割的全局基准是特征和目标消融的主要实验域。强制执行分割的长运行基准在其原始配置内改变了训练周期。精简资产专家设置限制了绘图和标签资产。一个单独的匹配架构比较在三个随机种子上评估了一个 MLP 和三个图骨干网络。表示控制是在该匹配配置下的单次运行诊断，而源组迁移诊断改变了训练和测试分组。这些家族回答了不同的问题，其原始分数不进行汇总。
早期遗留的试点运行使用了最终版之前的分割和资产，因此被排除在比较表之外。除非另有说明，本节中的声明均指强制执行分割的全局基准；长运行和家族专家结果被解读为支持性证据，而非对主要基准的直接替代（见表 4）。
**表 4. 实验结果中使用的实验设置及其预期解读。**
| 设置 | 目的 | 训练预算 | 解读 |
|------|------|----------|------|
| 强制执行分割全局基准 | 在最终确定的强制执行分割下进行主要定量结果和匹配特征/目标比较 | 50 个epoch | 可直接比较的基准结果 |
| 强制执行分割长运行基准 | 在不变的架构和图预算下，以相同基准进行更长优化 | 900 个epoch | 相同基准下的高预算参考 |
| 精简资产家族专家诊断 | 使用精简标签资产进行家族限制分析 | 260 个epoch | 仅作诊断 |
| 匹配架构比较 | 信息量相等的 MLP、GraphSAGE、GATv2 和 TransformerConv | 最多 50 个epoch；三个种子 | 仅在匹配组内比较 |
| 表示控制 | 匹配 TransformerConv 配置下的特征/拓扑切换 | 最多 50 个epoch；一个种子 | 单次运行诊断 |
| 源组迁移 | 逐一剔除导出者/前缀/标记组 | 最多 50 个epoch；一个种子 | 分布偏移诊断 |
**5.2 主要定量结果**
表 5 报告了三行参考结果：标准预算下最佳类别模型、该预算下最佳嵌入模型以及单次长运行模型。在 50 个 epoch 时，Class hierarchy weights 是最强的类别模型行（0.5774 原始图层类别 Acc@1，0.1378 宏 F1），而 Embedding + trainable projection 达到 0.5753 Acc@1 和 0.1395 宏 F1。
单次长运行设置达到 0.6121 原始图层类别 Acc@1、0.7495 Acc@3、0.1586 宏 F1、0.6711 功能层组 Acc@1 和 0.7773 操作域 Acc@1。这些结果共同表明在强不平衡条件下细粒度恢复是可行的；长运行行仅暗示、而非确证，进一步优化可能有所帮助。
**表 5. 在强制执行分割全局基准和强制执行分割长运行基准下最佳完成的全局模型。所有指标取自每次运行的验证选中的检查点。粗体表示每个指标列中的最高值。**
| 设置 | 模型 | 原始图层类别 Acc@1 | 原始图层类别 Acc@3 | 原始图层类别 宏F1 | 功能层组 Acc@1 | 操作域 Acc@1 |
|------|------|---------------------|---------------------|--------------------|----------------|-------------|
| 强制执行分割全局基准 | Class hierarchy weights | **0.5774** | 0.7207 | 0.1378 | **0.6283** | **0.7313** |
| 强制执行分割全局基准 | Embedding + trainable projection | 0.5753 | **0.7248** | **0.1395** | 0.5813 | 0.7025 |
| 强制执行分割长运行基准 | Class regularized long | **0.6121** | **0.7495** | **0.1586** | **0.6711** | **0.7773** |
**5.3 特征消融**
特征消融在强制执行分割全局基准下进行。在此扫描中，细标签目标为对比学习，辅助的功能层组和操作域聚类头使用交叉熵，标签嵌入空间固定。因此，该比较在共同的图学习设置下隔离了特征通道的效应。
大部分可恢复的语义信号由图的局部几何结构承载。从仅几何特征到几何加上下文，原始图层类别 Acc@1 从 0.3421 提升至 0.4380，绝对增益为 +0.0959。相比之下，几何加文本仅达到 0.3440，仍接近仅几何基线。这一弱全局效应不应被解读为文本无语义信息的证据。相反，它反映的是覆盖率：尽管所有 381 张绘图都包含一些锚定文本，但只有 3.56% 的原始图节点带有文本特征，因此文本通道只能影响图节点的一小部分。
完整特征配置在核心行中给出了最强结果，原始图层类别 Acc@1 为 0.5006，原始图层类别宏 F1 为 0.0930。与精简变体相比，这表明在原始形状之外，局部几何上下文是主要贡献者。辅助控制进一步表明，移除上下文或样式的损害远大于移除文本，而"完整减文本"在 Acc@1 上几乎不变（0.5029），但宏 F1 略有下降（0.0884）。总体而言，语义恢复主要由局部几何关系驱动，而文本作为辅助线索，其全局效应受到稀疏的原始图级锚定的限制（见图 4）。
*下载：下载高分辨率图片（228KB） 下载：下载完整尺寸图片*
**图 4. 强制执行分割全局基准下的核心特征消融结果。局部几何上下文在原始几何之上提供了最大提升。**
**表 6. 强制执行分割全局基准下的核心特征消融结果。粗体表示每个指标列中的最高值。辅助控制报告在补充材料部分"消融结果与解读"中。**
| 特征 | 原始图层类别 Acc@1 | 原始图层类别 Acc@3 | 原始图层类别 宏F1 | 功能层组 Acc@1 | 操作域 Acc@1 |
|------|---------------------|---------------------|--------------------|----------------|-------------|
| 仅几何 | 0.3421 | 0.4664 | 0.0429 | 0.4958 | 0.6256 |
| 几何 + 文本 | 0.3440 | 0.4648 | 0.0484 | 0.4963 | 0.6228 |
| 几何 + 上下文 | 0.4380 | 0.5775 | 0.0675 | 0.5776 | 0.6955 |
| 完整特征 | **0.5006** | **0.6317** | **0.0930** | **0.6328** | **0.7491** |
**5.4 锚定文本何时有效**
在全局尺度上，文本影响有限，主要是因为文本覆盖率低。在强制执行的测试分割上，只有 3.85% 的原始图节点带有锚定文本特征。仅文本信号对精确细标签恢复也很弱：在带有文本的节点上，最近标签检索达到 0.0234 原始图层类别 Acc@1 和 0.0748 原始图层类别 Acc@3。换句话说，文本通常是辅助线索，而非独立预测器。
为了测试文本在实际可用时是否有帮助，我们评估了一个包含至少 15% 文本节点子集的 42 个测试图（共 113,024 个评估原始图，其中 31,779 个带有文本特征）。在该子集中，在仅几何特征上添加文本使文本节点 Acc@1 从 0.0853 提升至 0.1480（绝对 +0.0627，相对 +73.5%），而非文本节点准确率不变（0.0737 vs. 0.0736，绝对 ?0.0001，相对 ?0.14%）。这表明当覆盖率足够高时，锚定文本是有益的。
在完整特征栈下，效应发生转移。在同一文本丰富子集上，移除文本后文本节点 Acc@1 几乎不变（有文本 0.1227 vs. 无文本 0.1230；无文本绝对 +0.0003，相对 +0.24%），但非文本节点 Acc@1 从 0.1839 降至 0.1137（绝对 ?0.0702，相对 ?38.2%）。这一模式表明文本通过图中的邻域传播发挥作用，而不仅仅是通过直接消歧带有文本的原始图。
一个最终的精简资产诊断在文本丰富的 TWP 家族上将文本存在与文本内容分离开来。仅文本存在模型和仅文本嵌入模型几乎相同（0.3775 vs. 0.3776 原始图层类别 Acc@1；相对差异 0.03%）。添加局部几何后，原始图层类别 Acc@1 提升至 0.5339（绝对 +0.1563，相对 +41.4% 来自仅文本嵌入），而完整图模型达到 0.6211（绝对 +0.0872，相对 +16.3% 来自几何增强）。这表明仅文本不足够，几何上下文是必要因素，用于将锚定文本转化为稳健的语义增益。这些 TWP 运行使用精简的家族资产，因此是诊断性的，而非可直接比较的基准行。完整的四行表保留在补充材料部分"文本丰富诊断表"中。
**5.5 目标与标签空间消融**
目标与标签空间消融同样在强制执行分割全局基准下进行。与特征扫描不同，这些运行在共同的完整特征图设置下显式改变了细标签监督方式和标签空间参数化。
普通嵌入基线明显弱于最强的类别和已学习标签空间变体，仅达到 0.4961 原始图层类别 Acc@1 和 0.1047 原始图层类别 宏 F1。在核心类别行中，Class hierarchy weights 给出了最强的原始图层类别 Acc@1，为 0.5774，表明显式类别监督仍是该基准的强默认选择。在核心嵌入行中，Embedding + trainable projection 达到 0.5753 原始图层类别 Acc@1，并在核心行中取得最佳原始图层类别宏 F1 为 0.1395，表明已学习的标签空间可以匹种类别性能，同时略微改善尾部敏感行为。
总体而言，该比较表明这是一个权衡关系，而非单一主导公式。类别监督在粗粒度语义准确性上更强，而已学习标签空间变体在细粒度上具有竞争力，并取得了最佳核心行宏 F1。辅助控制报告在补充材料部分"消融结果与解读"中，因为它们是诊断性的而非主要比较行（见表 6、表 7）。
**表 7. 强制执行分割全局基准下的核心目标与标签空间比较。辅助控制报告在补充材料部分"消融结果与解读"中。每列最佳值以粗体显示。**
| 目标/标签空间 | 原始图层类别 Acc@1 | 原始图层类别 Acc@3 | 原始图层类别 宏F1 | 功能层组 Acc@1 | 操作域 Acc@1 |
|---------------|---------------------|---------------------|--------------------|----------------|-------------|
| 类别基线 | 0.5701 | 0.7145 | 0.1351 | 0.6264 | 0.7333 |
| 类别正则化 | 0.5689 | 0.7153 | 0.1326 | 0.6233 | 0.7261 |
| 类别层级权重 | **0.5774** | 0.7207 | 0.1378 | **0.6283** | **0.7313** |
| 嵌入基线 | 0.4961 | 0.6527 | 0.1047 | 0.5941 | 0.6803 |
| 嵌入 + 可训练投影 | 0.5753 | **0.7248** | **0.1395** | 0.5813 | 0.7025 |
**5.6 延长训练结果**
强制执行分割长运行基准保持与 50-epoch 基准中类别正则化行相同的分割、架构、优化器、目标家族和图预算，但将训练预算从 50 个 epoch 增加到 900 个 epoch。这是单次运行，旨在作为关于更长优化的支持性证据，而非重复估计或基准的重新定义。
已完成的类别正则化长运行达到 0.6121 原始图层类别 Acc@1、0.7495 原始图层类别 Acc@3、0.1586 原始图层类别 宏 F1、0.6711 功能层组 Acc@1 和 0.7773 操作域 Acc@1。相对于 50-epoch 的类别正则化基线，这一次运行表明优化在标准预算下尚未饱和。它并未确立跨种子的更长训练预期增益。
表 8 提供了该最强已完成全局模型的域级视图。在粗粒度的操作域级别上，BUILDING、MEP 和 META 的性能大致相似，而 SITE 仍然较弱，因为支持样本有限。在中等粒度的功能层组级别上，最强域往往具有相对标准化的制图词汇表和规则的几何模式，而较弱域则稀疏、语义混合或视觉上与相邻类别过于接近。
**表 8. 最强已完成全局模型（类别正则化长运行，强制执行分割长运行基准）的工程域视图。**
| 级别 | 域类别 | F1 | 支持量 |
|------|--------|----|--------|
| 操作域 | BUILDING | **0.808** | 1,311,818 |
| 操作域 | MEP | 0.789 | 484,974 |
| 操作域 | META | 0.781 | 1,147,912 |
| 操作域 | OTHER | 0.660 | 421,150 |
| 操作域 | SITE | 0.282 | 717 |
| 功能层组（选中强项） | PLANT_INDUSTRIAL | 0.905 | 199,705 |
| 功能层组 | REFERENCE | 0.812 | 154,984 |
| 功能层组 | BUILDING_DETAIL | 0.792 | 363,613 |
| 功能层组 | SANITARY_WATER_SUPPLY | 0.753 | 16,340 |
| 功能层组（选中弱项） | OPENING | 0.111 | 28,813 |
| 功能层组 | SANITARY_GAS_AIR | 0.111 | 5,227 |
| 功能层组 | ELECTRICAL_DATA | 0.151 | 4,93 |
| 功能层组 | REVISION | 0.200 | 13,529 |
**5.7 学科特定诊断**
学科特定诊断设置检查了语义难度在不同专业规划域中的变化情况。在此设置中，绘图池和标签资产均被限制为每个学科，所得分数描述了这些域特定子集中的学科内行为。
跨学科的变异具有信息量。在报告的子集中，性能差异显著，表明 CAD 图层恢复在不同专业绘图域中的难度并不均等。一些子集相对容易，因为其精简的标签空间较窄或高度标准化。另一些仍然困难，因为它们包含许多语义相邻的类别、密集注释或视觉上相似的走线和设备模式。
学科代码是源自源文档集的操作性标识符。它们并不定义通用的 AEC 分类体系，但与可识别的规划学科紧密对应，因此对于分析域特定变异很有用。完整的专家表（包括绘图数量及其含义）保留在补充材料部分"学科特定诊断表"中。
电信工程（FMT）和窗系统（FAF）说明了较容易一端的谱系，尽管原因不同。FAF 受益于较窄的精简标签空间。
FMT图纸并不特别小，但其通信、设备和布局规范看起来高度规则，这很可能使得几何和标注都更具可预测性。暖通空调空气处理/通风工程（RLT）则困难得多，因为它保留了许多近邻风道分布和路由变体，同时伴有密集的标注和尺寸内容。因此，这些领域中较低的性能不仅反映了类别数量，还反映了学科内部的语义广度和歧义性。
这种解释也与所观察到的学科特定标签空间的集中趋势一致。较简单的子集往往由较少数量的重复标签主导，或者采用更标准化的制图规范；而较难的子集则表现出更广泛的语义分散和更多视觉相邻的类别。
由于这些实验同时使用了学科限制的图纸子集和学科限制的标签资源，它们应被解释为领域特定的诊断结果，而非全局本体基准测试的替代品。
5.8 匹配架构比较
上述消融实验仍然是所提出的特征和语义恢复流水线的主要证据。为了测试其结论是否依赖于某一种消息传递算子，我们额外在4节所述的匹配协议下比较了MLP、GraphSAGE、GATv2和TransformerConv。表9报告了基元加权指标，表10给出了每张图纸等权重的结果。在细粒度准确率和宏F1方面，所有三种图模型均优于非图MLP。TransformerConv在此有限比较中平均表现最高，细粒度准确率达到0.4872 ± 0.0048，而MLP为0.4158 ± 0.0368。图纸宏比较显示出相同的排序（0.4520 ± 0.0010 vs. 0.3806 ± 0.0283）。
对固定110张图纸测试集的事后配对分析提供了TransformerConv与MLP差异的图纸级视角。TransformerConv在110张图纸中的97张上表现更准确；平均配对差异为7.13个百分点，中位数为5.67个百分点。对这些固定图纸进行的非参数自助法给出95%置信区间为5.69–8.63个百分点。该区间量化了语料库级别的变异，而非跨项目或独立采样部署的不确定性，该比较并未证明TransformerConv在所有情况下都更优。
表9. 匹配架构比较。数值为三次独立训练运行的均值 ± 样本标准差。
架构 | 细粒度准确率 | 细粒度宏F1 | 中级准确率 | 粗粒度准确率
MLP | 0.4158 ± 0.0368 | 0.0480 ± 0.0143 | 0.4078 ± 0.0357 | 0.5148 ± 0.0051
GraphSAGE | 0.4748 ± 0.0096 | 0.0676 ± 0.0035 | 0.4833 ± 0.0091 | 0.5755 ± 0.0172
GATv2 | 0.4622 ± 0.0018 | 0.0663 ± 0.0014 | 0.4646 ± 0.0127 | 0.5742 ± 0.0103
TransformerConv | 0.4872 ± 0.0048 | 0.0720 ± 0.0006 | 0.4955 ± 0.0074 | 0.6038 ± 0.0095
表10. 图纸级架构指标。数值为三次独立训练运行的均值 ± 样本标准差；每张图纸获得等权重。
架构 | 图纸宏细粒度准确率 | 图纸准确率中位数 | 图纸宏粗粒度准确率
MLP | 0.3806 ± 0.0283 | 0.3918 ± 0.0245 | 0.5568 ± 0.0149
GraphSAGE | 0.4386 ± 0.0076 | 0.4451 ± 0.0271 | 0.6044 ± 0.0069
GATv2 | 0.4384 ± 0.0045 | 0.4458 ± 0.0080 | 0.6107 ± 0.0026
TransformerConv | 0.4520 ± 0.0010 | 0.4530 ± 0.0055 | 0.6245 ± 0.0041
5.9 表示控制
表11中的匹配TransformerConv控制实验支持但不替代原始的特征消融实验。移除锚定文本导致细粒度准确率小幅下降，与有限的文本覆盖率一致。移除预计算上下文块导致更大程度的细粒度下降，而仅几何条件表现明显更弱。将边属性置零影响甚微，而随机化拓扑则降低了细粒度准确率。由于每行仅基于单次运行，完全条件、零化边和随机化拓扑条件之间的微小差异不应被过度解读。特别是，拓扑控制扰动邻接关系的同时保留了已经汇总了局部上下文信息的节点特征；因此，它并不能将消息传递与所有上游上下文线索隔离开来。
表11. 匹配评估设计下的TransformerConv表示控制。
配置 | 细粒度准确率 | 细粒度宏F1 | 中级准确率 | 粗粒度准确率
完全TransformerConv | 0.482 | 0.071 | 0.487 | 0.594
无锚定文本 | 0.475 | 0.068 | 0.479 | 0.583
无上下文 | 0.444 | 0.058 | 0.479 | 0.610
仅几何 | 0.319 | 0.032 | 0.360 | 0.541
零化边特征 | 0.480 | 0.069 | 0.489 | 0.589
随机化拓扑 | 0.471 | 0.068 | 0.481 | 0.582
5.10 来源组迁移诊断
留一导出器族结果（表12）明显低于随机图纸不相交基准测试。细粒度准确率范围为0.064至0.122，粗粒度准确率范围为0.301至0.614。所有类别准确率与已见类别准确率之间的差距，以及多达100个仅在测试中出现的细粒度类别，表明标签支持偏移是该失效模式的重要组成部分。这些刻意严格的划分暴露了当前碎片化381张图纸语料库的边界：导出器特定约定和有限的共享标签支持意味着，它并不支持关于跨导出器迁移的强主张。
文件名前缀和专业令牌留出实验提供了另外两个不完美的来源组代理（表13）。其结果随组大小和训练标签覆盖范围显著变化。例如，5_4前缀的覆盖率仅为0.411，全类别准确率为0.027；而较大的5_3组覆盖率为0.980，准确率为0.158。这些标识符来源于文件名；它们并非经过独立验证的项目、办公室或组织来源。因此，这些实验诊断的是在可观测分组变量下的分布偏移，而非证明跨办公室或跨项目泛化。
表12. 留一导出器族迁移诊断。验证图纸仅从训练侧导出器族中选择。
留出 | 图纸数 | 覆盖率 | 细粒度准确率 | 已见准确率 | 粗粒度准确率 | 未见类别数
AutoCAD | 196 | 0.776 | 0.072 | 0.093 | 0.301 | 90
MicroStation | 139 | 0.884 | 0.122 | 0.138 | 0.318 | 100
Allplan | 46 | 0.981 | 0.064 | 0.066 | 0.614 | 4
表13. 文件名衍生组代理的迁移诊断。覆盖率为留出的基元中细粒度类别出现在对应训练划分中的比例。
代理 | 组 | 图纸数 | 覆盖率 | 细粒度准确率 | 粗粒度准确率
文件名前缀 | 5_2 | 50 | 0.998 | 0.175 | 0.592
文件名前缀 | 5_3 | 213 | 0.980 | 0.158 | 0.414
文件名前缀 | 5_4 | 43 | 0.411 | 0.027 | 0.285
文件名前缀 | 9_57 | 10 | 0.919 | 0.167 | 0.433
专业令牌 | FMT | 114 | 0.966 | 0.121 | 0.364
专业令牌 | ELT | 74 | 0.988 | 0.219 | 0.540
专业令牌 | TWP | 45 | 0.996 | 0.079 | 0.652
5.11 本体规范化与计算配置
确定性规范化将4822个观测到的原始图层字符串减少到1850个规范化字符串；其中1223个规范化字符串映射到本体类别，形成330个多对一碰撞组。固定规则和映射在评估前经过审查并冻结，未对训练、标签修改或测试解释使用后续审查。这些是从制图图层信息派生的基准标签，并非经过完全验证的工程语义真值：未进行独立专家仲裁验证研究。因此，残余歧义和监督噪声仍然存在；未来验证应采用多名领域专家的盲审并报告评定者间一致性。
25份文档的端到端配置剖析无失败完成（表14）。总实际时间范围从最小配置图（684个节点）的32.4秒到最大（280,022个节点）的2184.7秒。峰值进程树内存范围为1.44至6.61 GB，峰值GPU内存为0.02至1.24 GB。图构建、并集处理和特征计算主导了最大案例；这些测量描述了所剖析的硬件和实现，而非平台无关的性能保证。
表14. 25份PDF端到端配置的典型分位数（25份成功；0份失败）。时间为总实际时间；RAM为峰值进程树常驻内存。
分位数 | 图节点数 | 总时间(s) | 节点/秒 | RAM (GB) | GPU (GB)
q01_of_25 | 684 | 32.4 | 21.44 | 0.02
q07_of_25 | 1,973 | 62.9 | 31.20 | 0.03
q13_of_25 | 15,064 | 92.5 | 163.2 | 0.16
q19_of_25 | 36,990 | 437.0 | 85.2 | 0.23
q25_of_25 | 280,022 | 2184.7 | 128.6 | 1.24
5.12 定性预测可视化
图5提供了一个代表性工程图纸的全页细粒度类别视图。全页视图揭示了密集基元级别的区分仍然难以精确解决。对应的粗粒度叠加层、节点正确性视图以及额外的高准确率和低准确率案例见补充材料"扩展定性案例"部分。
节点级正确性视图揭示，预测质量在图纸上并非均匀分布。正确预测主导了结构规则且重复的区域，而错误集中在密集或语义模糊的区域，如连接节点、重叠的标注密集区域和视觉相似的基元群组。这种模式与定量结果一致：模型通常能捕获正确的局部制图制度，但相邻图层类别之间的细粒度消歧仍然是主要误差来源。
补充的粗粒度叠加层显示了连贯的宽域组织，而图5则揭示了细粒度类别层面的密集语义碎片化。结合补充的正确性和低准确率案例，这些视图展示了代表性的成功模式和失效模式，但不替代汇总评估。
下载：下载高分辨率图像（3MB）
下载：下载全尺寸图像
图5. 在基元图层类别分辨率下对代表性图纸进行预测的本体规范化CAD图层分配的细粒度定性可视化。
6. 讨论与局限性
总体而言，实验表明，当几何基元及其局部组织在导出中得以保留时，可以从矢量原生PDF中推断出有用的本体规范化图层信息。这是一项恢复任务，而非重建无法访问的源CAD文件：预测结果是规范化的语义类别，且不保证原始图层名称或制图意图可以被恢复。
6.1 实证结果解读
原始消融实验确定了局部几何上下文为除基元几何之外的最大信号来源。渲染样式提供了互补信息，而锚定文本在稀疏覆盖率下带来的效益较小。长期和层次化结果进一步表明，粗粒度操作类别比精确的细粒度类别更容易。这种粗-细差距是预期的：许多细粒度类别共享几何和样式，主要通过制图上下文、专业约定或可能无法可靠锚定的文本来区分。
匹配比较补充了一个更窄的结论。在一种受控协议下，所有三种图模型均优于特征匹配的MLP，且等权重图纸分析得出相同结果。因此，收益不能仅由输入特征向量来解释。拓扑和边控制不那么决定性：其单次运行差异较小，且节点特征保留了预计算的邻域汇总。证据支持将显式上下文与消息传递结合，但并不隔离出某一种图算子的普遍优势。
这些发现与先前使用矢量或图结构对技术文档进行推理的工作一致，但预测目标不同：本文的单位是PDF矢量基元，标签是本体规范化的CAD图层类别。因此，PDF解析器、规范化规则和监督契约是科学贡献的组成部分，而非可替换的预处理。
6.2 实用应用与泛化边界
预测结果可作为未来人在回路评估的候选。高置信度的粗粒度预测可用于初步图层筛选、宽域导航、归档分类和候选优先级排序的探索；细粒度预测可作为评估可追溯的标签预填充和人工审查的基础。此类用途在此未直接评估。低置信度、罕见、未见或迁移偏移的案例需要人工审查。现有证据不支持无监督工程量计算、合规决策、BIM增强、对象级工程验证、替换合同CAD数据，或对源图层的权威性重建。
来源组实验设定了重要的边界。导出器族留出实验是一项刻意严格的迁移测试，结合了文档生成条件、特征分布和细粒度标签支持的变化；在最困难的划分中，多达100个细粒度类别在训练中缺失。这些因素有助于解释0.064–0.122的低细粒度准确率，但并未消除根本局限性：性能对来源偏移仍高度敏感，包括未见类别较少的划分。因此，稳健部署需要更广泛的多种来源训练覆盖、显式的未见标签处理、域适应，以及在独立来源的项目和组织上的验证。可观测组本身并不能确立项目或办公室来源，因此现有结果排除了稳健跨导出器、跨组织或跨项目部署的主张。
6.3 局限性
• 语料库多样性与来源。381张可用图纸在导出器和文件名元数据方面具有异质性，但独立的项目、办公室、作者和组织来源信息不可用。图纸不相交划分防止了精确文件重叠，但无法排除分区之间存在相关模板或制图约定。
• 本体与参考标签。原始源字符串通过固定确定性规则和映射进行规范化，二者在评估前经过内部审查并冻结。两者均未使用测试结果进行修改。多对一映射和残余歧义使结果依赖于这些制图衍生的基准标签，而非独立验证的工程语义真值。未来工作应包含多名领域专家的盲审并报告评定者间一致性。
• 类别不平衡与不支持的标签。基元频率高度倾斜。基元加权准确率由常见类别主导，宏F1对罕见类别不稳定，且迁移组包含训练中缺失的细粒度类别。粗粒度性能不应被解读为精确的细粒度图层恢复。
• 受限的输入范围。实验仅涵盖矢量原生PDF。扫描件、混合图纸、光栅化文本、损坏的内容流以及导出时已抹平有用矢量区分的文件超出评估范围。
• 稀疏的基元级文本锚定。文本被排除作为身份捷径，仅在空间锚定后使用，但覆盖率仍然稀疏且对齐可能存在歧义。更好的区域级语言锚定可能改善此通道。
• 评估与不确定性。主要历史消融实验和若干表示控制实验为单次运行。匹配架构比较仅使用三个随机种子，且其配对自助法对固定测试语料库进行重采样而非新项目。基元指标引入了图纸规模权重，且未测量完整工程对象的恢复，尽管匹配比较中报告了图纸宏结果。
• 计算约束。大型图纸需要批大小为1、图容量上限和大量预处理时间。25份文件的配置剖析具有硬件和实现特定性；更广泛的可扩展性、能耗和计算成本未进行评估。
• 混淆与保密性。导出器、文件名令牌、专业、几何、样式和本体标签可能共变，因此诊断差异不应赋予因果解释。保密约束阻止了源图纸的发布，并限制了对语料库的外部审查。
7. 结论
本文提出了一种文档保留的PDF转图流水线，用于预测本体规范化的制图图层类别。
在所评估的语料库中，局部几何上下文是除基本形状之外占主导的信号，文本的贡献具有选择性，而匹配的三随机种子对比表明图模型优于特征匹配的多层感知机。单次运行的消融实验和延长训练的结果属于辅助诊断信息，并非重复估计；而作者推导得出的标签并非经过独立验证的工程语义真值。泛化能力仍是决定性的局限：在文档生成与标签支持分布同时发生困难的偏移组合下，导出器家族的留出集精确率仅为0.064至0.122。尽管这些偏移有助于解释性能下降，该结果确认了稳健的跨导出器或跨组织部署尚未得到证实。实际使用仍属于人机协同的研究方向。未来工作应加入更广泛的多来源覆盖、对未见标签的显式处理、领域自适应、独立记录的溯源信息、盲测多专家标签验证、更广泛的多随机种子测试、更强的语言接地，以及外部或混合的光栅–矢量语料库。CRediT作者贡献声明：Andrea Carrara：撰写初稿、软件、方法论、调查研究、形式化分析、数据整理、概念构思。Mahito Sugiyama：撰写审阅与编辑、监督指导。Stavros Nousias：撰写审阅与编辑。André Borrmann：撰写审阅与编辑、监督指导、项目管理、资金获取。关于生成式AI及AI辅助技术在稿件准备中的使用声明：在修订本工作过程中，作者使用OpenAI Codex进行语言编辑、稿件组织和一致性检查。作者已审阅并编辑所有相关材料，并对出版内容承担全部责任。未报告任何AI辅助评估作为科学评估的一部分。Andrea Carrara | Mahito Sugiyama | Stavros Nousias | André Borrmann
