Nov, 2023

集成 BIM 和扩散模型的生成结构设计

PDF
TL;DR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。
intelligent structural designaibuilding information modelinggenerative aidiffusion models
发现论文，激发创造
  • 建筑设计中基于生成式人工智能的参数化建模与 BIM 实验

    该研究介绍了一个新的建筑设计框架，利用生成式人工智能工具，包括 ChatGPT 和 Veras，结合参数化建模和建筑信息模型（BIM），提升设计流程。这个框架扩展了 ChatGPT 和生成式人工智能在三维建筑设计中的潜力，不仅限于在文本和二维图像生成方面的应用。通过整合 ChatGPT 用于脚本编写和 Veras 用于生成设计思路，并结合广泛使用的参数化建模和 BIM 工具，该框架为建筑师提供了直观而强大的方法来传达设计意图，从而实现更高效、创造性和协作性的设计流程。

    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

  • 建筑设计的生成式人工智能：文献综述

    这篇文章探讨了生成人工智能在建筑设计中的广泛应用，从生成 2D 图像、视频和 3D 模型的基本原理到对建筑设计各个阶段的影响，指出了设计创新的新方向和应用生成人工智能的新轨迹。

    Mar, 2024

  • 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

  • 利用大型预训练语言模型和建筑信息模型进行交互式设计

    本研究探讨了 AI 生成模型，特别是 OpenAI 的生成预训练变压器（GPT）系列，当与建筑信息建模（BIM）工具集成为交互式设计助手时的潜力。研究通过开发和实施三个关键组成部分来完成，最终验证了该方法的有效性。

    Jun, 2023

  • 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

  • 通过扩散模型生成基于日光驱动的建筑设计

    本文介绍了一种基于大规模模型的以日照驱动的人工智能辅助建筑设计方法，通过生成质点模型和准确确定窗户布局，结合自然语言处理和图像生成模型，有效提高了建筑设计效率。实验结果证明，该方法支持建筑师的创造灵感，为建筑设计开辟了新的发展道路。

    Apr, 2024

  • 填补设计间隙：基于图引导扩散模型的参数化数据补全方法

    该研究介绍了一种利用图注意力网络和表格扩散模型进行生成补全的生成补全模型，用于完善工程设计中的缺失参数数据。

    Jun, 2024

  • 迈向自由计算架构：Metaverse 中生成虚拟建筑的深度学习综述

    该综述评估了使用深度生成模型（DGM）生成三维物体的最新方法，重点关注于建筑形式的虚拟环境中生成建筑的可能性，从离散光子生成、2D 图像生成 3D 模型到条件参数生成等等，同时指出了生成 3D 形状和参数化控制中未被探索的问题，其中数据限制、可编辑性、评估指标和人机交互四个研究方向对于计算机辅助设计中的充分互动至关重要。

    Apr, 2023

  • UrbanGenAI：利用全景分割和扩散模型重建城市景观

    这篇论文提出了一种集成计算机视觉和生成式人工智能（genAI）的新方法，通过先进的图像分割和扩散模型的协同作用，实现了城市设计的全面方法。我们的研究方法涵盖了详细图像分割的 OneFormer 模型和通过 ControlNet 实现的文本描述生成图像的稳定扩散 XL（SDXL）扩散模型。早期测试表明，UrbanGenAI 不仅提升了城市景观重建的技术前沿，也在设计教学和社区参与的城市规划方面提供了显著的益处。UrbanGenAI 的持续发展旨在对其在更广泛的背景下的有效性进行进一步验证，并集成实时反馈机制和三维建模能力等附加功能。

    Jan, 2024