GNN-BIM: inferencia de atributos mediante embeddings multimodales en grafos de edificaci´on

Resumen

Los entornos de modelado de informaci´on de construcci´on (BIM) codifican relaciones complejas entre entidades arquitect´onicas y sem´anticas, siendo particularmente apropiados para un enfoque de aprendizaje basado en grafos. Se propone una metodolog´ıa basada en redes neuronales de grafos (GNN) para modelar la informaci´on BIM como un grafo con atributos, fusionando embeddings sem´anticos, espaciales y topol´ogicos. La informaci´on se origina de modelos federados de proyectos de infraestructura reales, donde los elementos est´an codificados como nodos con atributos multimodales. Al integrar estos embeddings heterog´eneos, el modelo puede aprender representaciones latentes de los datos BIM. Se aborda este aspecto como un problema de predicci´on de atributos a nivel de nodo (clasificaci´on) sobre el grafo BIM.