hi，大家好~我是shadow，一枚设计师/全栈工程师/算法研究员，目前主要研究方向是人工智能写作和人工智能设计，当然偶尔也会跨界到人工智能艺术及其他各种AI产品。这是我发在《人工智能Mix》的一篇文章的学习笔记。
archigan-generative-stack-apartment-building-design- 拆解设计步骤，每一步骤训练一个模型完成
每个步骤都对应一个经过训练以执行上述3个任务之一的Pix2Pix GAN模型。通过一个接一个地嵌套这些模型，作者创建了设计流程的生成模型栈，同时允许用户在每个步骤中进行输入。- 模型1
生成轮廓
- 模型2
填充功能色块
- 模型3
根据功能色块，生成每个色块的家具布置
- GAN像素级应用的局限性
作者认为，这些效果都证明了GAN在建筑领域的潜力，但目前ArchiGAN还有一定的局限性，主要分为三点。一、设计多层建筑时，因为模型无法理解承重墙这一概念，所以无法保证整个建筑物的承重墙设计是否合理。二、当前产出的图像清晰度有限。作者表示希望通过增加输出层的size，搭配Pix2Pix HD，和TensorRT增强算力实现这一目标。三、生成数据的格式上，目前智能生成的输出文件是非矢量图的格式，相当于只停留在概念设计（草图阶段），还不能直接转化为cad使用。https://devblogs.nvidia.com/archigan-generative-stack-apartment-building-design/?linkId=70968833
关于建筑的智能设计，还有另一个方法，之前分享过，由手绘生成3D模型
b）基于深度学习，系统找到匹配预定义的组件集（论文称为 Snippet Grammar ）
c）用户从匹配到的组件集中挑选合适的组件 （系统转化为 Snippet Grammar 的形式）
d）系统合成用户的选项（组装 Snippet Grammar ），生成建筑 3D 模型
论文提出的 Snippet Grammar ，是基于参数的描述性语言，非常容易转化为机器学习训练所需要的数据形式。按照建筑物的构成划分为 Building mass 、Roof 、Window 、Ledge 等几类组件集，Snippet Grammar 则描述了 3D 模型所属的组件集及其参数集合。<!— 某个Building mass的3D模型 —>
<param building_height=“20” />
<rule name=“Start”>
<extrude height=“building_height” />
<comp>
<top name=“TopFace” />
<!- -roof - - >
<side name=“Facade” />
<!- - facade - - >
<bottom name=“Base” />
</comp>
</rule>
<!— 某个Roof的3D模型—>
<param roof_slope=“50” />
<rule name=“TopFace”>
<roofGable slope=“roof_slope” />
</rule>
mixlab还有很多相关的智能设计文章，
欢迎自行查阅~
我会在下面这个星球里，每天更新至少一篇笔记，
目前正在优惠期间，仅需10元，欢迎加入。