推进城市更新：基于 Stable Diffusion 模型的历史骑楼立面自动生成方法
计算机视觉与模式识别
2023-11-21 v1 人工智能
摘要
城市更新与改造过程需要保护历史城市肌理，尤其是在以建筑和历名意义著称的街区。这些区域建筑风格多样，传统上需要大量前期研究，常导致主观结果。然而，机器学习模型的出现为生成建筑立面图像开辟了新途径。尽管如此，由于此类街区固有的复杂性与多样性，为历史街区改造生成高质量图像仍具挑战。针对这些挑战，本研究引入一种利用以文本描述为条件的 Stable Diffusion 模型自动生成历史骑楼立面图像的新方法。通过对多种骑楼风格进行分类与标注，我们构建了若干逼真的骑楼立面图像数据集。我们训练了多个低秩自适应（LoRA）模型以控制生成图像的风格方面，并辅以 ControlNet 模型以提升精度与真实性。我们的方法在生成图像中展现出高水平的精度、真实性与多样性，显示出在真实城市更新项目中的良好潜力。这一新方法为城市更新中传统设计流程提供了更高效、更准确的替代方案，规避了图像细节不可信、缺乏精度及风格种类有限等问题。未来研究可聚焦于将这种二维图像生成与三维建模技术结合，为历史街区建筑立面改造提供更全面的解决方案。
引用
@article{arxiv.2311.11590,
title = {Advancing Urban Renewal: An Automated Approach to Generating Historical Arcade Facades with Stable Diffusion Models},
author = {Zheyuan Kuang and Jiaxin Zhang and Yiying Huang and Yunqin Li},
journal= {arXiv preprint arXiv:2311.11590},
year = {2023}
}
备注
HABITS OF THE ANTHROPOCENE - Proceedings of the 43rd ACADIA Conference - Volume II: Proceedings book one, University of Colorado Denver, Denver, Colorado, USA, 26-28 October 2023, pp. 616-625, CUMINCAD, 2023