Mar, 2021

House-GAN++：生成对抗布局优化网络

PDF
TL;DR通过一种基于生成对抗网络的自动化平面图生成方法，使用基于图的相关生成对抗网络和条件生成对抗网络的集成，并在迭代布局细化过程中使用之前生成的布局作为下一个输入约束。该研究提出了一种名为组件方式 GT 调节的简单非迭代训练过程，有效地学习这样的生成器，通过元优化技术控制迭代布局优化过程中传递哪些输入约束的时间，从而进一步提高所选指标。基于三种标准指标的定性和定量评估显示：所提出的系统在当前最先进技术水平上取得了重大进展，甚至可以与由专业建筑师设计的地面平面图媲美。
generative adversarial networkfloorplan generationiterative refinementmeta-optimizationcomputer-aided design
发现论文，激发创造
  • 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

  • ALR-GAN: 自适应文本布局调整的图像合成

    本文介绍了一种新型文本到图像生成网络 ALR-GAN，它利用自适应布局优化模块和布局细化损失来提高生成图像的布局结构。ALR-GAN 在文本到图像生成任务上表现良好。

    Apr, 2023

  • 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

  • 端到端图约束矢量平面图生成与全景细化

    本文提出了一种基于向量序列而非图片格式生成楼层平面图的方法，并详细介绍了一个基于图卷积网络这一新颖框架的二阶段流程，最终在实际数据集上取得了最佳的表现。

    Jul, 2022

  • 面向属性的布局生成对抗网络用于自动平面设计

    本文介绍了一种基于属性条件的布局生成方法，并通过用户研究验证了该方法的有效性。

    Sep, 2020

  • 使用图掩码建模的图变换生成式对抗网络用于架构布局生成

    通过图 Transformer 生成对抗网络，在图约束的建筑布局生成任务中学习有效的图节点关系，提出了连接节点注意力和非连接节点注意力以及基于节点分类的鉴别器等关键技术，实现了对三个建筑布局生成任务的最新最优结果。

    Jan, 2024

  • 基于图变换器 GAN 的约束房屋生成

    本文提出了一种基于图 Transformer 的生成对抗网络 (GTGAN)，有效地学习了端到端的图节点关系，尤其针对具有挑战性的基于图约束的房屋生成任务。

    Mar, 2023

  • 使用生成对抗网络学习生成椅子

    本文探讨了使用生成对抗网络 (GAN) 合成高度逼真图像的优化问题，针对当下模型存在的问题，提出了一种修改规则和设计模型的方法。实验表明，我们的方法可以更有效地训练 GAN 模型，并以 3D 物体投影问题为例进行了验证。

    May, 2017

  • 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

  • 面向视觉文本呈现设计的组合感知图形布局生成对抗网络

    本文提出了一种基于图像元素的深度生成模型 CGL-GAN，并设计了域对齐模块 DAM 来缩小训练和测试输入之间的差距，进而生成符合美感直觉的高质量图形布局。

    Apr, 2022