使用约束图进行生成式布局建模

Nov, 2020

Generative Layout Modeling using Constraint Graphs

Wamiq Para, Paul Guerrero, Tom Kelly, Leonidas Guibas, Peter Wonka

TL;DR本文提出了一种新的生成模型用于布局生成，其分为三个步骤，通过最新的 transformer architecture 来生成布局元素和计算布局元素之间的约束关系，最后采用有约束的优化方法实现布局优化，并与现有技术进行了对比，证明了我们的方法不需要用户输入、产生更高质量的布局，以及能实现许多新颖的有条件布局生成能力。

Abstract

We propose a new generative model for layout generation. We generate layouts in three steps. First, we generate the layout elements as nodes in a layout graph. Second, we compute constraints between layout elemen

generative model layout generation transformer architectures constrained optimization conditional layout generation

发现论文，激发创造

通过潜在优化实现约束图形布局生成

本文提出了一种基于 Transformer 框架的生成布局模型，可以灵活地融合设计语义，支持用户隐式或显式地指定元素排列约束，并展示了该模型在单模型下可以生成真实的布局。

Aug, 2021

因子图约束下的布局生成

通过因子图神经网络的消息传递，根据用户需求生成符合要求的户型设计，实现了在空间约束下对象中心化的布局生成。

Mar, 2024

神经设计网络：约束下的图形布局生成

本文提出了一种利用神经设计网络 (NDN) 生成满足用户指定约束条件的设计布局的方法，被实验评估证明生成的设计布局与真实设计布局非常相似，并且在布局推荐方面具有实际应用价值。

Dec, 2019

LayoutFormer++：基于约束串行化和解码空间限制的条件图形布局生成

LayoutFormer++ 提出了一种序列到序列的条件布局生成方法，采用编码器 - 解码器框架和 Transformer 模型实现，通过约束序列化机制和解码空间约束策略，能够更好地满足不同的用户约束条件，生成更高质量的布局。

Aug, 2022

场景布局的端到端优化

提出一种基于变分生成模型和场景图条件的端到端场景布局合成方法，并使用可微分渲染模块优化生成的布局。实验表明，该模型可以更精确和多样地进行条件场景合成，并允许从各种输入形式生成样本化场景。

Jul, 2020

通过场景图引导的布局形状生成进行构成性 3D 场景合成

从场景图生成逼真合理的三维场景，利用大型语言模型显式汇总全局图特征和局部关系特征，通过统一的图卷积网络从更新的场景图中提取图特征，并引入基于 IoU 的正则化损失来约束预测的三维布局。在 SG-FRONT 数据集上进行基准测试，我们的方法在场景级准确性方面取得了更好的三维场景合成效果。发表后将发布源代码。

Mar, 2024

Graph2Plan: 从布局图中学习生成平面图

引入了一种使用深度神经网络和用户参与的生成模型的学习框架，用于自动楼层平面图的生成。

Apr, 2020

LayoutGAN: 使用线框判别器生成图形布局

通过建立 LayoutGAN 生成对抗网络，用于建模不同类型的 2D 元素之间的几何关系以合成各种现实布局，同时采用自注意力机制和可微分线框图渲染层进行实现。验证实验包括 MNIST 数字生成、文档布局生成、剪纸抽象场景生成和七巧板图形设计。

Jan, 2019

House-GAN: 关系型生成对抗网络用于受图形约束的房屋布局生成

本文提出了一种基于关系架构的新型图约束生成对抗网络，其生成器和鉴别器利用关系结构进行建模，旨在将约束编码到其关系网络的图结构中，将建筑约束作为图形输入，并生成一套轴对齐的房间边框，通过 117000 张实际的平面图像的定量和定性评估表明，该方法优于现有的方法和基线。

Mar, 2020

通过具有美学约束的扩散模型实现对齐布局生成

提出了一种统一模型，用于处理广泛的布局生成任务，包括使用指定属性排列元素和完善粗糙布局设计。该模型基于连续扩散模型，并通过掩码输入引入条件。广泛的实验结果表明，该模型能够产生高质量的布局，并且优于现有的最先进基线。

Feb, 2024