从ArchiGAN：公寓建筑设计的生成技术，说起

• 2020 年 1 月 13 日
• 筆記

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。

（ 文末了解《人工智能Mix》 ）

这是一篇发表在英伟达的文章，

原文标题：

archigan-generative-stack-apartment-building-design

原文比较长，我把其中值得学习的方法整理了出来：

– 拆解设计步骤，每一步骤训练一个模型完成

建筑平面图设计分解为3个步骤：

• 01 建筑占地轮廓
• 02 功能分区
• 03 家具布置

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。

原文：

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

根据用户勾画的草图，系统自动生成3D的建筑模型。

跟ArchiGAN搭配，是不是蛮好?

平面到3D都有了~

技术方案，如下：

a）用户简单勾画建筑物某个组件的轮廓

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

该文章值得借鉴的还有：

– 基于参数的描述性语言

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~