Generative Image Editing per la standardizzazione automatica di planimetrie catastali.

Digital transformation in real estate and architecture demands the conversion of heterogeneous legacy cadastral floor plans into uniform layouts, a crucial prerequisite for generating commercial 2D furnished drawings and 3D models. In professional workflows, manual cleanup to strip dimension lines, textual labels, stamps, and scan artifacts accounts for roughly 80\% of technicians' overall workload, posing a repetitive and resource-intensive bottleneck. This thesis addresses this challenge by introducing an automated end-to-end pipeline grounded in Computer Vision and instruction-guided image editing. The workflow integrates a preliminary preprocessing module utilizing YOLOv11 for multi-floor detection and cropping, EasyOCR for text suppression and inpainting, and GlueStick for homographic registration and spatial alignment with target layouts. Following a comparative benchmark pitting proprietary cloud APIs against open-weight models, Qwen-Image-Edit—a Diffusion Transformer (DiT) framework optimized via Rectified Flow Matching—was selected to ensure strict data governance, sampling determinism, and computational viability. Specialized domain adaptation was achieved across a production dataset of over 1,000 cadastral layouts using Low-Rank Adaptation (LoRA), systematically assessing hyperparameter dynamics over fourteen training iterations. The optimal regime ($lr = 2\cdot 10^{-5}$, $r = 32$, and an effective batch size of 32 via gradient accumulation over 100 epochs) demonstrated complete elimination of alphanumeric noise and regularized walls into solid black fills with sharp contours, strictly preserving proportional geometry. Conversely, the symbolic standardization of openings (doors and windows) remained a notable limitation due to high spatial degradation in legacy scans. Framed as an assistive Human-in-the-Loop tool, the solution slashes per-plan preparation time by over 85\% (from 20–45 minutes down to roughly 2 minutes), establishing a solid asset for downstream native CAD vectorization.

La trasformazione digitale nel settore del Real Estate e dell'architettura impone la conversione di planimetrie catastali cartacee ed eterogenee in rappresentazioni grafiche uniformi, requisito propedeutico alla generazione di planimetrie commerciali arredate 2D e modelli tridimensionali. Nei flussi operativi aziendali, la depurazione manuale da quote metriche, etichette testuali, timbri e retini di scansione assorbe circa l'80\% del carico di lavoro complessivo di tecnici e geometri, costituendo un collo di bottiglia ripetitivo e oneroso. Il presente lavoro di tesi affronta tale criticità proponendo una pipeline automatizzata end-to-end fondata su metodologie avanzate di Computer Vision e \textit{Instruction-Guided Image Editing}. La catena di elaborazione integra una fase preliminare di preprocessing basata su YOLOv11 per il rilevamento e ritaglio dei singoli piani catastali, EasyOCR per la soppressione e inpainting delle annotazioni e GlueStick per l'omografia e la rigorosa registrazione geometrica con le piante target. A seguito di un benchmark comparativo tra API commerciali e soluzioni ad architettura aperta, la scelta del backbone è ricaduta sul modello open-source Qwen-Image-Edit, basato su \textit{Diffusion Transformer} (DiT) e ottimizzato tramite \textit{Rectified Flow Matching}, al fine di garantire sovranità sul dato, determinismo generativo e sostenibilità economica. L'adattamento specialistico del modello è stato condotto su un corpus di oltre 1.000 unità catastali mediante \textit{Low-Rank Adaptation} (LoRA), esplorando sistematicamente l'impatto degli iperparametri lungo quattordici cicli di addestramento. La configurazione ottimale ($lr = 2\cdot 10^{-5}$, $r = 32$ e batch effettivo pari a 32 mediante \textit{Gradient Accumulation} su 100 epoche) ha dimostrato la capacità di sopprimere integralmente il disturbo alfanumerico e di ricostruire la continuità dei muri con campitura piena nera a bordi netti, preservando rigorosamente la fedeltà metrica originale. Di contro, la standardizzazione simbolica degli infissi (porte e finestre) si è confermata un limite marcato a causa della severa perdita di informazione locale nelle scansioni storiche. Inquadrato come strumento di supporto \textit{Human-in-the-Loop}, il sistema consente di abbattere i tempi di lavorazione per tavola di oltre l'85\% (da 20--45 minuti a circa 2 minuti), costituendo una solida base per la successiva vettorializzazione CAD nativa.