SCAPE: 使用进化搜索概念架构提示

Jan, 2024

SCAPE: Searching Conceptual Architecture Prompts using Evolution

Soo Ling Lim, Peter J Bentley, Fuyuki Ishikawa

TL;DRSCAPE 是一种将进化算法与生成性人工智能相结合的工具，通过简单的点选界面，使用户能够探索源于其初始输入的创意和高质量设计。与 DALL-E 3 相比，SCAPE 能够在图像的新颖性上提升 67％，并在质量和使用效果上得到改进；我们展示了 SCAPE 仅经过 3 次迭代，图像的新颖性提高了 24％，能够通过用户进行有效的探索，并优化图像。超过 20 位独立的建筑师对 SCAPE 进行评估，并提供了显著正面的反馈。

Abstract

conceptual architecture involves a highly creative exploration of novel ideas, often taken from other disciplines as architects consider radical new forms, materials, textures and colors for buildings. While today's generative AI systems can produce remarkable results, they lack the cr

conceptual architecture generative ai evolutionary algorithms scape image novelty

发现论文，激发创造

生成式 AI 的 Prompt 演进：一种分类器引导的方法

本文提出了一种利用进化算法和多目标实现的新的方式，使用图像分类器引导产生的多样性生成的技术，来改善生成模型无法连接生成输出和期望目标概念 / 偏好的局限性，通过一种通过对生成进化过程规定选择压力和变异性的方式，产生多个更符合用户偏好的图像。

May, 2023

将多样性引入 AI 艺术

通过结合进化算法的新颖性保持机制和生成对抗网络的优势，我们利用 OpenAI 的 CLIP 模型与短周期的进化分散搜索来指导 GAN 的创造过程，以此来创造出更具有新颖性和优秀性的艺术作品。

May, 2022

引导进化神经网络架构搜索与高效性能估计

该论文提出了一种名为 GEA 的新型引导神经结构搜索方法，该方法使用零代理估计器在每个代际初始化阶段生成和评估多个架构，然后从现有架构生成多个后代并同时驱动探索和剪枝，结果表明 GEA 在多个数据集上都取得了最先进的结果。

Jul, 2022

生成人工智能与建筑历史

生成型 AI 平台在理解建筑历史和生成新创意作品方面具有强大的潜力，但我们需要了解它们对建筑风格的理解能力以及其已被实践者用于查询特定建筑概念的情况。

Dec, 2023

深度学习生成神经进化

本篇论文探讨神经进化在深度学习中的作用，其中 HyperNeat 通过训练一种间接编码来实现学习大型神经结构，并且结合其他机器学习方法可以有效提取特征。

Dec, 2013

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

基于生成式 AI 的提示演化工程设计优化与视觉语言模型

工程设计优化需要高效结合三维形状表示、优化算法和设计性能评估方法，我们提出了一种在车辆设计场景中利用视觉语言模型来惩罚生成模型合成的不切实际汽车设计的快速演化设计优化 (PEDO) 框架。

Jun, 2024

图神经网络的进化架构搜索

本研究提出了一种新的自动化机器学习（AutoML）框架，通过演化图神经网络（GNN）模型来寻找最合适的结构和学习参数，并在半监督和归纳式节点表示学习和分类任务上展示它的性能。

Sep, 2020

软件架构的交互式多目标进化优化

通过交互式进化计算以及应用定量和定性评判标准指导多目标进化算法，将用户反馈嵌入到适应函数中，使算法能够辨别出有前景和较差的解决方案，实验证明该交互机制可以有效地引导搜索进入专家真正感兴趣的搜索空间区域。

Jan, 2024

Architext: 基于语言的生成式建筑设计

Architext 是一个新型的语义生成辅助工具，通过自然语言提示，利用大规模的语言模型进行设计生成，对不同大小的预训练语言模型进行语义准确性和多样性的评估，能在不同的场景下产生高质量的设计结果。

Mar, 2023