AIは図面から「正しい寸法」を読み取れるか
2026.10.01
パラメトリック・ボイス 大阪大学 福田 知弘
はじめに：図面を「読むAI」から、情報を「結び付けるAI」へ
建築分野では、既存建物の改修や維持管理、エネルギー分析などにおいて、建物の情報をデジ
タル化することが重要になっています。その中核となるのがBIM（Building Information
Modeling）です。しかし、既存建物では、BIMが整備されておらず、手元にあるのは紙図面や
PDF、画像化された2D図面だけ、というケースも少なくありません。こうした図面からBIMを
作成するには、これまで人が図面を読み取り、壁や開口部などを一つひとつモデル化する必要
がありました。
近年、AIによる画像認識技術が発展し、図面から壁や部屋、ドア、窓などを自動的に認識する
研究が進んでいます。しかし、ここには一つ重要な問題があります。「壁がどこにあるか」を
認識できることと、「その壁が実際に何mmなのか」を正しくBIMに設定できることは、同じ
ではありません。
例えば、図面上で「2,400」という寸法文字が認識できたとしても、それがどの壁を指してい
るのかを判断できなければ、BIMの寸法情報として利用することはできません。そこで本研究
では、AIが読み取った「文字情報」と「図形情報」を結び付けることに着目しました。
2026年8月に学術雑誌 Automation in Construction にオンライン公開された筆者らの論
文 [1] では、図面中の寸法文字を単に認識するだけでなく、それを対応する壁や開口部などの
幾何情報と自動的に関連付け、BIMの寸法パラメータとして利用する手法を提案・検証しまし
た。
本稿では、まず論文で実際に確認できた成果を「事実」として紹介し、その後、それが建築・
都市分野の実務や、これからのBIM活用にどのようにつながっていく可能性があるのかを考え
てみたいと思います。
第1章 本論文で示した「事実」
今回の研究で取り組んだのは、注釈付きの2D平面図から、寸法を考慮したBIMを自動的に再構
築することです。
処理の流れは、大きく分けると「文字を読む」「図形を読む」「両者を結び付ける」「BIMを
生成する」という4段階です。
まず、OCR（光学文字認識）によって、平面図に記載された部屋名や寸法などの文字情報を抽
出します。さらに、OCRの結果を利用して寸法線や補助線などを除去し、壁などの建築要素を
認識しやすくする「OCR-guided denoising（OCR誘導型ノイズ除去）」を行いました。この
処理により、ResBIMデータセットでは、セマンティックセグメンテーションのIoUが52.16％
から87.37％へ向上しました。
次に、画像から壁や開口部などの幾何情報を抽出し、図面をベクトル化します。ここで重要に
なるのが、今回提案した「文字―図形の最適化ベースのマッチング」です。
例えば、図面中に「2,400 mm」という寸法があった場合、それを単なる文字列として扱うの
ではなく、「この2,400 mmは、図面中のどの線分・壁・開口部に対応するのか」を、位置関
係、方向、幾何的な整合性など複数の情報から判断します。そして、対応付けられた寸法を
BIMのパラメータとして利用します。
この仕組みの有効性を、BIMの参照データを持つResBIMで検証しました。また、BIMの正解
データを持たない公開データセットBRIDGEについても、実務的な観点から確認しました。
さらに重要なのは、評価方法です。従来の画像認識では、IoUなど「画像としてどれだけ一致
しているか」が主要な評価指標でした。しかしBIMでは、見た目が似ているだけでは十分では
ありません。壁の寸法は正しいか、位置は正しいか、窓やドアが正しい壁に配置されているか
といった、エンジニアリング上の正しさが求められます。
そこで本研究では、IFC（Industry Foundation Classes）を利用し、BIMの要素・寸法・配
置・ホスト関係まで含めて評価する仕組みを導入しました。
結果として、単純な全体スケール変換だけでは得られない局所的な寸法精度の向上を確認しま
した。また、アブレーション実験では、単純な局所マッチングよりも全体の整合性を考慮した
マッチングが有効であり、さらに重みを学習した最適化を加えることで、寸法正解率は
90.94％、配置正解率は80.25％まで向上しました。
つまり本研究で示されたのは、単に「図面をAIで認識できた」ということではありません。
図面に書かれた寸法という情報を、対応する建築要素と結び付け、BIMの中で計算可能なパラ
メータとして扱える可能性を、実験によって示したことにあります。
図1. AIによる図面理解からBIM再構築までの全体フロー。OCRで読み取った「寸法」という文
字情報と、画像から抽出した壁・開口部などの「図形情報」を対応付け、BIMのパラメータへ
変換する。
図2. 参照BIMと自動再構築したBIMの比較。図面中の寸法情報を利用することで、全体のレイ
アウトを維持しながら、壁の長さや開口部などの局所的な寸法を修正し、BIMとして再構築し
ている。
第2章 実務への展開と近未来像
今回の成果から見えてくるのは、2D図面からBIMを作る作業が、少しずつ「人が図面を読んで
モデルを作る」から「AIが図面の複数の情報を読み取り、相互に関連付けながらモデルを作る」
方向へ進みつつあるということです。
実務では、既存建物の図面をBIM化する「2D-to-BIM」は、改修設計、施設管理、エネルギー
シミュレーションなどへの展開が期待されます。今回の研究は、その中でも特に重要な「図面
から得た情報を、BIMで使える寸法・位置情報へ変換する部分」を対象としています。
もちろん、現段階ですべてを自動化できるわけではありません。寸法がない図面、文字が重
なった図面、複雑な注釈や不鮮明なスキャン画像では、認識や対応付けが難しくなります。ま
た、壁厚、階高、材料など、平面図だけでは判断できない情報もあります。
しかし今後、平面図だけでなく、立面図・断面図・建具表などの異なる資料、さらにはレー
ザースキャンによる点群などをAIが横断的に読み取り、「この情報は、この建築要素のこの属
性を示している」と関連付けられるようになれば、既存建物のBIM化はさらに自動化されてい
くでしょう。
その先にあるのは、単なる「図面のデジタル化」ではなく、建物に蓄積された多様な情報をAI
が読み解き、BIMという共通のデジタル基盤に統合する世界だと考えています。
最後になりますが、本研究で作成したコード、及び、データの一部はGitHubで公開されていま
す。また、本論文は当研究室の梁型（Xing Liang）君が第一著者の論文であり、梁君の博士論
文を構成する主要な研究成果の一つでもあります。
[1] Liang, X., Fukuda, T., Yabuki, N. (2026). Automated dimension-aware BIM reconstruction from annotated floorplans through optimization-based text–geometry matching, Automation in Construction, 191, 107204.
