El diseño de escenas en 3D es de gran importancia, y una de las áreas cruciales es el diseño de escenas interiores. Este estudio no solo se refiere al entorno de vida de las personas, sino que también tiene aplicaciones en el diseño y desarrollo de entornos virtuales. El trabajo previo en escenas interiores se ha centrado en comprender y editar escenas interiores existentes, como la reconstrucción de escenas, tareas de segmentación, textura, localización de objetos y renderizado. En este estudio, proponemos una tarea novedosa en el ámbito de la comprensión de escenas interiores, fusionando los principios de diseño interior con criterios de evaluación profesional: evaluación del diseño de escenas interiores en 3D. Además, proponemos un enfoque utilizando una arquitectura codificador-decodificador de transformador y una red convolucional de gráficos doble. Nuestro enfoque facilita a los usuarios plantear consultas basadas en texto; acepta entradas en dos modalidades, representaciones de nube de puntos de escenas interiores y consultas textuales; y finalmente genera una distribución de probabilidad que indica evaluaciones positivas, neutrales y negativas del diseño interior. El método propuesto utiliza módulos pre-entrenados por separado, incluido un módulo de preguntas y respuestas visuales en 3D y una red convolucional de gráficos doble para identificar tendencias emocionales del texto.