May, 2023

利用 Stable Diffusion 构建个性化剪力墙布局的 AI 助手

PDF
TL;DR本研究提出一种基于 Stable Diffusion 的个性化剪力墙布置 AI 助手，此方法通过优化 LoRA 方法，细调大型模型，使用少量数据即可获得良好生成结果。测试证明 Stable Diffusion 在剪力墙布置中表现出色。
shear wall structuresheuristic algorithmsgenerative adversarial networksgraph neural networksstable diffusion
发现论文，激发创造
  • House-GAN++：生成对抗布局优化网络

    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。

    Mar, 2021

  • 基于稳定扩散模型的立面设计建模方法：从文本语义到图像生成

    通过 LoRA 对 CMP Facedes 数据集上的 Stable Diffusion 进行优化，然后应用 ControlNet 模型进一步控制输出，通过对各种建筑风格文本内容和控制策略下的结果进行比较，实验证明 LoRA 训练方法显著降低了对 Stable Diffusion 大模型的微调可能性，ControlNet 模型的添加增强了基于文本生成建筑立面图像的可控性。

    Feb, 2023

  • LAW-Diffusion：基于布局扩散的复杂场景生成

    通过提出一种语义可控的布局感知 (Diffusion) 模型 (LAW-Diffusion)，本研究实现了准确的复杂场景生成，通过引入空间依赖解析器来编码在对象之间的位置感知的语义一致性作为布局嵌入，并产生具有感知上和谐对象风格和语境关系的场景。

    Aug, 2023

  • 结构部件设计的潜在扩散模型

    该论文提出了一个用于生成结构组件设计的框架，利用潜在扩散模型生成满足一系列问题特定加载条件的潜在设计，从而具有编辑现有设计的优势。通过使用结构拓扑优化得到的几何数据集进行训练，我们的框架生成了近乎最优的设计，并提供了定量结果支持生成设计的结构性能和潜在候选设计的变化性，以及框架的可扩展性的证据。此框架可用作生成类似拓扑优化设计的新近乎最优设计的起点。

    Sep, 2023

  • 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

  • 集成 BIM 和扩散模型的生成结构设计

    通过将建筑信息模型 (BIM) 与生成式人工智能结合，本研究提出了一种智能结构设计流程，引入了扩散模型 (DMs) 等新技术，以替代当前存在的一些限制，并展示了 Diffusion Models (DMs) 在土木工程中具有强大的生成和表示能力，表明其有潜力取代 GANs 成为生成问题的新标杆。

    Nov, 2023

  • 计算设计中的扩散模型：以楼层平面图为例

    基于扩散模型的 AI 图像生成器近期广泛讨论，具备从简单文本提示中创建图像的能力。但是，在土木工程的实际应用中，它们需要能够根据给定的约束条件创建特定的施工计划。本文通过探索基于扩散的 AI 生成器在计算设计中的能力，以楼层平面图为例，辨识其目前的局限性。我们解释了扩散模型的工作原理，并提出了具备改进语义编码的新扩散模型。通过多个实验证明，我们可以将生成的楼层平面图的有效性从 6% 提高至 90%，并提高不同示例的查询性能。我们对这些模型的不足之处进行了辨识，并得出了未来的研究挑战，并讨论了将扩散模型与建筑信息模型相结合的需求。通过这些，我们提供了土木工程中扩散模型的当前状态和未来方向的关键见解。

    Jul, 2023

  • LayoutDM：基于 Transformer 的布局生成扩散模型

    该研究探讨了扩散模型在条件布局生成中的潜力，并提出了基于 Transformer 的布局扩散模型 (LayoutDM)，该模型能够产生高质量、具有样本多样性、保真分布覆盖和稳定训练的图形设计布局。

    May, 2023

  • 基于深度无监督学习的湍流生成技术在多种雷诺数条件下的应用

    本文利用生成对抗网络和循环神经网络结合的方式，通过无监督学习生成了一种可以模拟各种湍流雷诺数下流动的模拟数据，并与真实数据达成了一定程度上的拟合。

    Aug, 2019

  • 敌对监管使布局到图像扩散模型蓬勃发展

    通过在传统的布局到图像扩散模型的训练过程中引入对抗监督，我们提出了一种布局到图像综合模型。该模型通过基于分割的鉴别器提供像素级对齐的显式反馈，以实现生成图像与输入布局之间的强对齐。通过引入多步展开策略，我们进一步鼓励模型在采样步骤中始终与输入布局保持一致。我们的实验结果表明，该模型生成的图像具有良好的布局保持性，并通过文本提示实现广泛的可编辑性。此外，我们展示了该模型在实际应用中的用途：通过使用文本控制合成目标分布样本，我们在语义分割模型的领域泛化方面取得了显著提升（增加了约 12 个 mIoU 分数）。

    Jan, 2024