基于遥感分割-GAN-扩散的公园绿地全流程生成设计框架
计算机视觉与模式识别
2023-12-19 v1
摘要
由人工智能算法驱动的生成设计发展迅速。当前研究存在两个研究空白：1) 大多数研究仅关注设计元素之间的关系，很少关注场地的外部信息；2) GAN 及其他传统生成算法生成的结果分辨率低且细节不足。为了解决这两个问题，我们整合 GAN 和 Stable diffusion 多模态大规模图像预训练模型，构建了全流程公园生成设计方法：1) 首先，构建高精度遥感目标提取系统，用于自动提取城市环境信息；2) 其次，使用 GAN 构建基于外部环境的公园设计生成系统，该系统能够根据城市环境信息快速推断并生成设计方案；3) 最后，引入 Stable Diffusion 优化设计方案，填充细节，并将方案的分辨率扩大 64 倍。该方法能够实现完全无人的设计自动化工作流。研究结果表明：1) 场地内部和外部之间的关系会影响算法生成结果。2) 与传统 GAN 算法相比，Stable diffusion 显著提升了生成结果的信息丰富度。
关键词
引用
@article{arxiv.2312.10674,
title = {A Framework of Full-Process Generation Design for Park Green Spaces Based on Remote Sensing Segmentation-GAN-Diffusion},
author = {Ran Chen and Xingjian Yi and Jing Zhao and Yueheng He and Bainian Chen and Xueqi Yao and Fangjun Liu and Haoran Li and Zeke Lian},
journal= {arXiv preprint arXiv:2312.10674},
year = {2023}
}