基于边界约束的扩散模型用于房间平面图生成：实现真实感与多样性的平衡
机器学习
2026-02-03 v1 计算机视觉与模式识别
摘要
扩散模型因生成受用户约束限制的高保真布局而广受欢迎。然而，针对如弗雷心特征距离（FID）等感知指标进行优化会导致设计多样性受限。为此，我们提出了多样性评分（Diversity Score, DS）——一种在固定约束下量化布局多样性的指标。此外，我们引入边界交叉注意力（Boundary Cross-Attention, BCA）模块，以实现对建筑边界的条件化。实验表明，BCA显著改善了边界遵循效果，而长期训练会导致Diversity Score未被FID检测到的多样性崩溃，揭示了真实感与多样性之间的关键权衡。离分布评估进一步表明模型依赖数据先验，强调在建筑设计任务中需显式平衡保真度、多样性与泛化能力的生成系统的必要性。
引用
@article{arxiv.2602.01949,
title = {Boundary-Constrained Diffusion Models for Floorplan Generation: Balancing Realism and Diversity},
author = {Leonardo Stoppani and Davide Bacciu and Shahab Mokarizadeh},
journal= {arXiv preprint arXiv:2602.01949},
year = {2026}
}
备注
Accepted at ESANN 2026