從ArchiGAN：公寓建築設計的生成技術，說起

• 2020 年 1 月 13 日
• 筆記

hi，大家好~我是shadow，一枚設計師/全棧工程師/演算法研究員，目前主要研究方向是人工智慧寫作和人工智慧設計，當然偶爾也會跨界到人工智慧藝術及其他各種AI產品。這是我發在《人工智慧Mix》的一篇文章的學習筆記。

（ 文末了解《人工智慧Mix》 ）

這是一篇發表在NVIDIA 的文章，

原文標題：

archigan-generative-stack-apartment-building-design

原文比較長，我把其中值得學習的方法整理了出來：

– 拆解設計步驟，每一步驟訓練一個模型完成

建築平面圖設計分解為3個步驟：

• 01 建築佔地輪廓
• 02 功能分區
• 03 傢具布置

每個步驟都對應一個經過訓練以執行上述3個任務之一的Pix2Pix GAN模型。通過一個接一個地嵌套這些模型，作者創建了設計流程的生成模型棧，同時允許用戶在每個步驟中進行輸入。

– 模型1

生成輪廓

– 模型2

填充功能色塊

– 模型3

根據功能色塊，生成每個色塊的傢具布置

– GAN像素級應用的局限性

作者認為，這些效果都證明了GAN在建築領域的潛力，但目前ArchiGAN還有一定的局限性，主要分為三點。

一、設計多層建築時，因為模型無法理解承重牆這一概念，所以無法保證整個建築物的承重牆設計是否合理。

二、當前產出的影像清晰度有限。作者表示希望通過增加輸出層的size，搭配Pix2Pix HD，和TensorRT增強算力實現這一目標。

三、生成數據的格式上，目前智慧生成的輸出文件是非矢量圖的格式，相當於只停留在概念設計（草圖階段），還不能直接轉化為cad使用。

原文：

https://devblogs.nvidia.com/archigan-generative-stack-apartment-building-design/?linkId=70968833

關於建築的智慧設計，還有另一個方法，之前分享過，由手繪生成3D模型

根據用戶勾畫的草圖，系統自動生成3D的建築模型。

跟ArchiGAN搭配，是不是蠻好?

平面到3D都有了~

技術方案，如下：

a）用戶簡單勾畫建築物某個組件的輪廓

b）基於深度學習，系統找到匹配預定義的組件集（論文稱為 Snippet Grammar ）

c）用戶從匹配到的組件集中挑選合適的組件 （系統轉化為 Snippet Grammar 的形式）

d）系統合成用戶的選項（組裝 Snippet Grammar ），生成建築 3D 模型

該文章值得借鑒的還有：

– 基於參數的描述性語言

論文提出的 Snippet Grammar ，是基於參數的描述性語言，非常容易轉化為機器學習訓練所需要的數據形式。按照建築物的構成劃分為 Building mass 、Roof 、Window 、Ledge 等幾類組件集，Snippet Grammar 則描述了 3D 模型所屬的組件集及其參數集合。

<!— 某個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> <!— 某個Roof的3D模型—> <param roof_slope=「50」 /> <rule name=「TopFace」> <roofGable slope=「roof_slope」 /> </rule>

mixlab還有很多相關的智慧設計文章，

歡迎自行查閱~