연구진은 층 평면 생성 모델의 도메인 이동에 대한 강건성을 평가하고, 기존 모델이 데이터셋 간 이동 시 성능이 크게 저하됨을 확인했어요.
합성 데이터를 활용한 사전 훈련 방법을 제안하여, 도메인 간 성능을 개선하고, 실제 데이터 기반 초기화보다 최대 40% 더 빠른 적응을 가능하게 했어요.
제안하는 방법은 물리적 제약 조건을 만족시키면서도 건축적 현실감을 희생하여 불규칙한 공간 배치와 변형된 방 형상을 가진 대규모 합성 데이터셋을 생성하는 방식이에요.