Page 232 - 建筑结构设计理论及实践研究

Theoretical and Practical Research on Architectural Structural Design
建筑结构设计理论及实践研究

二类是渲染图风格转变，这类生成任务更加偏向于对不同风格的表达和比较。第
三类是文本信息转渲染图，这类生成任务通过自然语言交互使设计生成任务变得
更加容易。对于草图转渲染图，第一种研究关注人机交互方式的渲染图生成，比
如通过手绘线稿图，快速生成对应的渲染图或实拍图。训练集的输出端可以是任

何建筑渲染图或照片，而输入端可以是对应的经过图像处理后的线稿图。第二种
研究目标是根据低质量的渲染图（比如建模软件的截图）生成高质量或特定风格
的渲染图，生成对抗网络（Generative Adversarial Networks，GAN）是主要使用
的工具，而渲染前后的两张图即是数据集。对于渲染图风格转变，styleGAN 和

cycleGAN 是常用的工具，而输入输出端的数据即是两种风格的图片。此外风格
迁移（Style Transfer）也被用于风格化图像生成和转化，输入两张图片，一张作
为风格的指导，一张作为内容的指导，程序通过卷积操作对风格特征和内容特征
进行评估，使输出的图片在风格和内容上分别接近输入的两张图片。对于文本信

息转渲染图，该任务是将自然语言处理与图片生成相结合，通过语言描述来生成
对应的建筑图像。这常被用于意象图或概念图的生成，辅助前期的设计思考。此
外也有研究通过多模态数据训练 GAN 模型，文本数据作为图像生成的限定条件。
如今已经有了许多很成熟的 AI 工具和应用可以实现从文本到图像的生成任务。

如 Midjourney、DiscoDiffusion、StableDiffusion、DALL·E2 等。2D 方案生成总
体上以图片生成为主，可用于概念图生成、创意辅助、平面图生成以及快速渲染
等任务。2D 方案生成如今较为成熟，也有许多开源和商业化的 AI 工具，随着相
关研究和 AI 工具的大范围使用，这无疑已经影响了相关的艺术设计创作流程乃

至设计行业的变革。
（三）基于人工智能的 3D 方案生成
与平面化的图纸和图像不同，建筑本质是三维空间中的形体，因此直接对建
筑三维形态的生成也是近些年比较热门的新兴方向之一。其中三维形态的表示有

多种方式，有以欧几里得结构为基础的表示，如体素（voxel）、多视图、深度图等；
有以非欧几里得结构为基础的表示，如点云、网格等；还有通过参数方程构建的
3D 模型，如 NURBS、SubD 的建模方式。因此，根据不同的形体表示方式，所
用到的 AI 技术也十分多样。三维形体生成任务对于设计而言将直接简化整个设

计的创作流程，设计师将从繁重的建模环节中解放出来。

·220·