GFLAN：生成功能布局

自动化楼层平面图生成恰好位于组合搜索、几何约束满足和功能设计要求的交叉处——这一组合历史上一直难以用统一的方法加以解决。虽然近期的深度学习方法在该领域取得了显著进展，但它们往往难以捕获建筑推理：拓扑关系优先于几何实例化、功能约束通过相邻网络的传递，以及从局部连通性决策中涌现出循环模式。为此，本文引入GFLAN（Generative Functional Layouts），通过显式分解层次化楼面布局合成。给定单个外部边界和前门位置，我们的方法不直接采用像素到像素或边界追踪的生成方式，而是采用原则化的两阶段分解。阶段A采用专用卷积架构，包含双编码器——分离不变的空间上下文与正在演化的布局状态——依据可行放置处的离散概率图依次分配房间中心。阶段B构建包含房间节点与边界顶点之间的异构图，然后应用以Transformer增强的图神经网络（GNN），联合回归房间边界。