首页  /  发现  /  思想  /  正文

哈佛建筑系学霸开发设计神器ArchiGAN,一键完成室内设计

阿丽塔 2019-09-05 来源:微信公众号:EEUD
作为一只设计师GAN,ArchiGAN能够实现五种功能。

有一只AI,给它打开门,再给一扇窗,它就能帮你规划出整间公寓。

640.gif

就像这样,黑笔画空间,绿笔涂出口,红笔绘窗户。

哪怕没有设计知识,只是胡乱瞎画几笔,AI也会努力给出合理的布局:

20190905_144832_001.jpg

▲量子位随手画

实时调整,也没有问题:

这就是法国小哥 Stanislas Chaillou 产出的一只设计GAN,名字叫ArchiGAN。

精致公寓,一键生成,天天苦熬设计图的工程师们生产力解放有望。

你以为这又是专业炼丹大师杰作?no,no,no~

这位Stanislas Chaillou小哥并不是一位专职的程序猿,他的主业其实是建筑设计。他在哈佛大学拿到了建筑学硕士学位,是名副其实的学霸。

640.webp.jpg

▲帅气的学霸建筑师

真是不会炼丹术的程序猿不是好建筑师啊。

专业加持,难怪ArchiGAN不仅看起来好玩,还很务实,在规划时甚至还考虑到了承重墙的设计是否实用。

这样一个有设计天赋的GAN,其效果好到TensorFlow官方等都忍不住转发,推特收获上千赞,不少网友大呼“Amazing”。连谷歌大脑研究员David Ha都称赞道:

这是对pix2pix的绝妙应用。

20190906_110232_003.jpg

但它的效果还远远不止如此。

五大功能,一键实现

作为一只设计师GAN,ArchiGAN能够实现五种功能。

功能一:立体规划,全面布局

ArchiGAN不仅能设计单层公寓的建筑结构,还能实现整个公寓大楼的建筑设计。

640.webp (1).jpg

每一层还都能实现不一样的布局,而且不会出现这家的出口开在隔壁家墙上的窘境。

640.webp (2).jpg

整栋公寓,从上到下,楼梯门窗,ArchiGAN都安排得明明白白,每一户的家具摆设还不带重样,太有工匠精神了~

功能二:户型随意DIY

有一个自己设计的房子的梦想,现在就可以实现了。

屋门在哪,窗户是一小块还是整面墙都能欣赏外面的美景,厨房是不是开放式,客厅能不能大到可以容下一套VR游戏设备……

所有这些期望与幻想,你都可以通过简单的涂抹操作来实现。

黑色地面,绿色是门,红色是窗户,拿起画笔轻轻一图画上几个矩形的块块,屋子的构造立刻就出来了。

20190906_110232_004.jpg

功能三:家具也能自动码放好

正如开头展示的那样,ArchiGAN还能规划你家里的家具应该如何摆放,还能显示摆上之后的整体效果。

我们用不同的颜色展示不同的房间,绿色代表客厅,粉色代表卧室,紫色为洗手间,蓝色为走廊,青色是厨房,橙色为衣柜。

640.webp (3).jpg

当上面的平面图生成之后:

640.webp (4).jpg

模型还能更近一步,根据房间功能的不同,规划好整个房间的家具摆设,就像下面这样:

640.webp (5).jpg

细看可发现,卧室中的床、 客厅中的沙发和茶几、浴室中的洗手台等已配备好了。

你以为这就是ArchiGAN的全部实力了?

非也。

作者表示,ArchiGAN看似高度受限,其实却具备极大的灵活性,不仅能设计形状规则的公寓的内部构造,对于造型不规则的空间也设计得挑不出毛病,此为其功能四也。

看看不规则的X边形系列:

640.gif

三角形、扇形、圆形、云朵形甚至对话框形,都能生成……

640 (1).gif

也就是说,只有你想不出的形状,没有它设计不了的布局。

潜力也不会止步于此,作者表示,这ArchiGAN的第五个功能, 就是可用于整个建筑群/社区的规划。

来看效果:

20190906_110232_005.jpg

这个环状的建筑和福建的客家土楼还有些神似~

640.webp (6).jpg

研究人员表示,这些效果都证明了GAN在建筑领域的潜力,但目前ArchiGAN还有一定的局限性,主要分为三点。

一是在设计多层公寓中每一层的布局时,每一层的设计都有所不同,现在还无法保证承重墙的设计是否合理。

二是当前产出的图像清晰度有限。研究人员表示希望增加输出层的size,外加英伟达后续开发的Pix2Pix HD,再借助TensorRT增强算力实现这一目标。

局限性之三体现在生成数据的格式上,目前智能生成的输出文件是非矢量格式,建筑师和设计师不能直接拿来用。

从作者自述的三点的局限性也能看出,构建这个ArchiGAN模型时,实用性是他们首要考虑的因素,能否真正帮到设计师和建筑师,才是最重要的。

多么踏实朴素的研究呀!用这种方法生成公寓,其实只需要3步↓↓↓

三步生成公寓

ArchiGAN主要采用了Pix2Pix图像转换技术,模型在谷歌云端平台上训练,采用英伟达的Tesla V100 GPU进行快速迭代和测试。

640.webp (7).jpg

Pix2Pix使用条件生成对抗网络(cGAN)来学习从输入图像到输出图像的映射。所以ArchiGAN是直接从建筑平面图中学习拓扑特征和空间组织的。

Chaillou通过格式化图像来控制模型学习的信息类型。比如,只给模型展示地块的形状,以及地块所包含的建筑面积。

20190906_110232_006.jpg

这就是典型的训练结果。训练这样的序列花费了一天半的时间。为了进行更多次测试和迭代,模型最终在谷歌云的V100上跑了不到两个小时。

虽然一开始模型不太精确,但在250次迭代之后,机器形成了某种直觉。

ArchiGAN功能的实现要分成三步走,每一步都负责工作流中特殊的一部分任务。

640.webp (8).jpg

模型一:平面布局(Footprint)量化

建筑的占地面积决定了平面图上的内部结构,它们的形状受到地块形状的限制,也就是说,根据土地的形状能够推断出房屋的平面布局。

于是,Chaillou把波士顿的GIS(地理信息系统)数据投喂给了神经网络,训练出能够生成房屋平面布局的模型。

喂食的图像都是成对的,既有原始地块(左),又有绘制上了给定建筑物的相同地块(右),就像这样:

640.webp (9).jpg

模型二:空间规划

模型二的主要工作是重新分区和开窗。

作为输入的是模型一生成的建筑平面面积,以及用户指定的入口和窗口位置。

空间规划模型是用800+公寓图纸喂大的,这些图纸同样是成对的,包括公寓的平面面积和其中实际的空间划分。

模型用不同的色块来表示房间的不同功能。

640.webp (10).jpg

小优惊的是,GAN在训练过程中学会了自己开窗。除了用户指定的主窗,它还能自主规划出新的出口。

640.webp (11).jpg

模型三:家具布局

房间分好了,ArchiGAN表示这还不够,贴心的设计师怎么能不往房子里摆家具呢?

依然是成对的图像,房间的颜色被映射到适当的家具布局上。

640.webp (12).jpg

这个模型能够保留墙壁的结构和房屋的门窗,同时根据房间的功能来置放合适的家具。

640.webp (13).jpg

以上,建筑师可以在任两步之间对模型进行修改或微调,以实现人机交互。

学霸其人

Stanislas Chaillou出生于巴黎,本科就读于瑞士洛桑联邦理工学院。

在建筑领域,Chaillou小有成绩,在2017年获得了耶鲁、哈佛、纽约时报等机构联合评选的美国建筑奖( American Architecture Prizes),2018年又获得了建筑大师奖(Architecture Masterprize)。

Chaillou可谓学业和事业双丰收,研究生还未毕业之时,就已经在知名建筑事务所实习,比如芝加哥Adrian Smith & Gordon Gill,东京的Shigeru Ban Architects等。

此外,Chaillou还担任非盈利跨学科智库CitiX Initiative的执行董事,关注智慧城市的建设。


版权声明:本文版权归原作者所有,如有侵犯您的权益请及时联系,我们将第一时间删除。

投稿邮箱:contact@landscape.cn

项目咨询:18510568018(微信同号)


  • 给Ta打个赏

1

发表评论

您好,登录后才可以评论哦!

热门评论

相关文章