CrossProjection: Nuovo Benchmark Testa i Modelli AI sulla Comprensione dei Disegni Architettonici

Un nuovo articolo di ricerca introduce CrossProjection, un benchmark progettato per valutare come i modelli visione-linguaggio (VLM) comprendono i disegni architettonici. Lo studio, disponibile su arXiv (2608.00473), affronta una sfida fondamentale: i disegni architettonici—piante, sezioni e prospetti—rappresentano diversi tipi di proiezioni (tagli vs. proiezioni di facciata) che violano le assunzioni del ragionamento multi-vista. CrossProjection valuta i modelli su tre compiti: Matching, Registrazione e Grounding Geometrico, utilizzando giudizi categorici, selezione di candidati e localizzazione a forma libera di punti, linee e regioni. Il benchmark è stato testato su 23 set di disegni reali con 1.954 condizioni categoriche per modello. I risultati mostrano GPT-5.5 con un'accuratezza dell'82,4%, Qwen3-VL-32B-Instruct con il 62,2% e GLM-4.5V con il 57,2%. Uno studio abbinato su 200 target ha confrontato disegni naturali e disegni con testo vettoriale soppresso, con output a candidati chiusi e geometria libera. Mentre la performance con supporto di candidati era spesso più alta, la localizzazione libera rimaneva fragile, in particolare sui disegni naturali. L'articolo evidenzia la difficoltà dei VLM nel preservare l'identità dei componenti e nell'esternalizzare la geometria attraverso viste architettoniche eterogenee, suggerendo che i modelli attuali mancano di un robusto grounding geometrico nei contesti architettonici. La ricerca è significativa per l'intersezione tra AI e architettura, poiché fornisce uno strumento diagnostico per migliorare le capacità dei modelli nella comprensione delle rappresentazioni spaziali.