本文提出了一种支持专业室内设计师制作产业室内装饰解决方案并满足业主个性化偏好的辅助模型，其由抽象图提取、条件图生成和条件场景实例化组成，同时提供一个包含来自专业设计师的 11000 个实例设计的室内布局数据集，实验结果表明该模型相对于最先进的方法的效果。

Aug, 2020

通过 Virtual Interior Design (VIDES) 系统，利用生成人工智能的尖端技术，我们可以根据用户的文字描述和视觉指导，快速生成和编辑室内场景概念，大大提高生成场景的准确性和一致性，并减少室内设计的技术门槛。

Aug, 2023

本文提出了一种基于自然语言输入的房屋设计生成模型，通过生成结构图和内部纹理来实现 3D 房屋模型设计。

Mar, 2020

我们在设计领域收集和优化文本 - 图像数据，并在开源 CLIP 模型的基础上进行中英文训练。我们还提出了一种利用课程学习和基于 CLIP 反馈的强化学习的精细调整策略，以提高我们方法的提示追随能力，从而改善图像生成的质量。根据收集的数据集进行的实验结果表明所提出的方法的有效性，其取得了令人印象深刻的结果，并且胜过了强基准模型。

Dec, 2023

LLplace 是一种基于轻量级精细调整的开源 LLM Llama3 的新颖的 3D 室内场景布局设计工具，通过用户输入指定房间类型和所需对象来有效生成和编辑 3D 室内布局，并在提供高质量的 3D 设计解决方案方面优于现有方法。

Jun, 2024

iPLAN 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。

Mar, 2022

LLM4DESIGN 是一个高度自动化的系统，通过多智能体系统培养创造力，通过检索增强生成（RAG）将设计与现实相关联，通过视觉语言模型（VLM）同步所有信息。该系统生成了连贯、多图文混合的设计方案，满足了叙事性故事讲述和客观绘图展示的双重需求，在城市更新设计领域表现出卓越性能。此外，研究创建了首个跨模态设计方案数据集，涵盖建筑、景观、室内和城市设计，为未来研究提供了丰富的资源。

Jun, 2024

通过提出一个框架，使用户能够无缝地探索、评估和综合多种响应，并通过 Luminate 互动系统与 8 名专业作家的用户研究展示了这个框架的可行性和有用性，我们推进了与大型语言模型的创造性任务互动的方式，引入了一种利用大型语言模型的创造潜力的方法。

Oct, 2023

该研究提出了一种基于大型语言模型（LLMs）的 LI3D 系统，它集成了 LLMs 作为 3D 布局解释器到现有的布局生成模型中，使用户能够灵活且交互式地生成 3D 场景并且验证其有效性和性能。

May, 2023

通过应用模糊逻辑和图像处理技术，本研究介绍了一种新的方法来量化和预测室内设计的审美偏好，以综合考虑用户的色彩选择和整体审美吸引力。通过收集社交媒体平台上的室内设计图像，结合颜色和视觉属性，计算整体偏好分数，从而帮助设计师和专业人士更好地了解和满足人们在数字媒体时代对室内设计的偏好。

Jan, 2024