关键词:
建筑设计
AI图像生成
diffusion扩散模型
前向扩散算法
逆扩散算法
摘要:
古今中外,世界各地风格各异的建筑绵延流传至今,展示着世界各族人民的艺术理解、文化观念与建筑智慧。现如今人们对于建筑设计有了更高的要求,设计全新的建筑风格需要大量时间进行构思,而目前国内外部分建筑设计师工作繁重,没有大量的时间进行建筑风格设计,一定程度上限制了建筑设计行业的向上发展。针对此现象,本文提出基于diffusion扩散模型的AI图像生成技术,自动生成建筑效果图,实现了利用AI模型生成各式建筑设计。 在对国内外现有生成模型现状进行研究后,本文选择diffusion扩散模型作为生成模型,搜集并设计建筑数据集,实现了模型中的前向扩散算法与逆扩散算法两个核心算法,在前向扩散算法中向图像中逐步添加高斯噪声最终生成纯噪声图像,逆扩散算法则学习并预测噪声,通过去噪生成目标图像。本文对diffusion扩散模型特有的forward函数和loss函数进行了手动推导,构建了U-Net神经网络用于预测噪声,并设计了网络结构优化、特征选择优化、激活函数选择、自注意力机制融合、EMA指数移动平均引入等优化方案,运用消融实验与组合消融实验的方法,旨在得到更适合生成建筑设计图像的diffusion扩散模型。本文设计了条件生成、非条件生成两种模式,条件生成模式在训练中加入标签,使模型可以根据不同的需求来生成指定风格的建筑效果图;非条件生成模式则不使用标签,仅根据数据集生成类似的建筑效果图。本文还设计使用了超分辨率算法对低分辨率图像进行优化,增加生成图像的清晰度。 本文实现了基于diffusion扩散模型的AI生成各式建筑设计,并设计优化方案使模型具有较为优秀的生成效果。将其运用到建筑设计领域,可以起到辅助建筑设计师进行建筑构思、开拓灵感的作用,还可以帮助建筑设计师省去大部分设计构思的时间,将更多的精力放在建筑构造和建筑安全性上,在节省大量人力的前提下提高了建筑设计的效率,以diffusion扩散模型的学术价值为基础开拓了其实用价值。