CVPRMar, 2022

iPLAN: 交互式和程序化布局规划

PDF
TL;DRiPLAN 是一种新的人在环路生成模型，结合了自动生成布局和人工设计，通过在整个过程中与设计师互动，使人类和人工智能逐步共同发展模糊的想法成为最终设计，其拥有在面对未见过的设计任务和有限的训练数据时，产生类似于人类设计师布局的高保真度、接受设计师输入并相应地提供设计建议的强大灵活性和通用性。
layout designdeep learningai-aided designhuman-in-the-loopiplan
发现论文，激发创造
  • 基于深度分层生成学习的人工智能自动城市规划

    本文提出了一种基于深度生成学习和人类指导的深层次生成模型来解决传统城市规划中的一些局限性，通过标记实现从目标区域到分区再到网格的三级生成过程，包括感知规划需求、功能投影和多关注模型等来生成网格水平的土地利用配置。

    Dec, 2022

  • 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

  • 通过全景布局生成交互式图像合成

    本文提出了 Panoptic Layout Generative Adversarial Networks（PLGAN）来解决交互式场景中实现真实感的假图像生成难题，该方法使用 panoptic 理论根据物体的形状判断物体种类，将 stuff 和 instance 布局分别构建后再融合为 panoptic 布局，实验结果表明 PLGAN 具有明显优势。

    Mar, 2022

  • 视觉丰富文档的自动布局规划与指导模型

    近期，在指令追踪模型方面取得的进展使得用户与模型的交互更加用户友好和高效，扩大了它们的适用范围。本研究引入了一种新颖的多模态指令追踪框架，用于布局规划，在设计领域，非专业用户经常由于技能和资源有限而难以创建具有视觉吸引力的布局。我们提出了三个布局推理任务来训练模型理解和执行布局指令。在两个基准测试中的实验证明，我们的方法不仅简化了非专业人员的设计过程，而且在 Crello 上的 mIoU 高于 few-shot GPT-4V 模型 12%。这一进展凸显了多模态指令追踪模型在自动化和简化设计过程方面的潜力，为视觉丰富文档上的各类设计任务提供了可行的解决方案。

    Apr, 2024

  • 草图到建筑：生成式人工智能辅助的建筑设计

    使用生成式 AI，通过简单的草图生成概念平面图和 3D 模型，实现了快速构思和基于文本描述的控制生成建筑渲染图，展示了生成式 AI 在建筑设计过程中的潜力，为计算机辅助建筑设计指明了新方向。

    Mar, 2024

  • 基于物理启发的生成式设计框架的自动建筑空间布局规划

    该研究提出了一种生成式设计框架，利用物理启发的参数模型和进化优化元启发式算法，在方案设计阶段生成多样的设计建议，适用于复杂的设计问题。

    Jun, 2024

  • Layout2Rendering：人工智能辅助绿地设计

    本研究提出了一种基于深度学习技术的公园空间生成设计系统，能够根据景观元素的拓扑关系快速生成满足设计师视角的空间绿化方案，同时实现对生成的三维模型进行分析和可视化，提高系统的互动性。

    Apr, 2024

  • 自动化城市规划：当生成式和 ChatGPT 类似的人工智能遇见城市规划

    本文介绍了城市规划和人工智能两个领域的重要性和联系，探讨了人工智能如何促进现代城市规划，主要思路是通过机器学习研究实现从社会媒体、环境、经济活动等方面对目标区域的土地利用配置自动生成，为两个领域的交叉研究提供了关键的研究方向。

    Apr, 2023

  • 自动化城市规划感知空间层次和人类指令

    采用深度生成学习构建基于人类指导、考虑空间层级的城市规划器，并引入生成对抗网络以解决空间层级问题。

    Sep, 2022

  • 具备大型语言模型的版面生成代理

    研究了使用 GPT-4V 多模态大语言模型的基于代理的布局生成系统，通过顺序放置对象在虚拟空间中生成反映用户指令的布局，实验证实该方法能以高成功率生成反映用户指令的虚拟空间，并通过消融研究成功地确定了对行为生成性能改善做出贡献的要素。

    May, 2024