SE-VGAE：面向可解释建筑布局设计图生成的无监督解缠表示学习
机器学习
2024-06-26 v1 人工智能
摘要
尽管图在捕捉建筑布局设计中内在关系结构方面具有优势，但目前在基于图的表示学习中解释建筑设计空间、以及探索建筑设计图生成方面的研究仍寥寥。同时，图生成中的解缠表示学习面临节点置换不变性和表示表达性等挑战。为此，我们引入一种无监督解缠表示学习框架——Style-based Edge-augmented 变分图自动编码器（SE-VGAE），旨在以属性邻接多图形式生成建筑布局，同时优先考虑表示解缠。该框架包含三个备选管道，每个管道整合了基于 Transformer 的边缘增强编码器、潜在空间解缠模块和风格解码器。这些组件共同促进了潜在因子对建筑布局图生成的分解，增强了生成的保真度和多样性。我们还通过系统性地探索图特征增强方案并进行大量实验，提供了优化该框架的见解，并评估了这些增强措施在解缠建筑布局表示方面的有效性。此外，我们贡献了一个新的大型基准数据集，从真实世界的平面图图像中提取建筑布局图，以促进基于图数据的建筑设计表示空间解释。本研究首次针对建筑布局图生成开展解缠表示学习。该研究的代码和数据集将开源发布。
引用
@article{arxiv.2406.17418,
title = {SE-VGAE: Unsupervised Disentangled Representation Learning for Interpretable Architectural Layout Design Graph Generation},
author = {Jielin Chen and Rudi Stouffs},
journal= {arXiv preprint arXiv:2406.17418},
year = {2024}
}