基于神经风格迁移的城市形态生成设计探索--以Tarragonès的城市设计为例
机器学习作为近年来流行的一项工具，用于识别输入因素并做出有效处理。目前，风格迁移已被广泛应用于图像转化等多个领域，也作为一种生成式设计的工具对建筑学科进行启发。风格迁移与建筑学科的交叉尝试逐步进行，从最早的建筑图像风格迁移，到后来的立面及剖面图像迁移、平面布局迁移，进而通过对平面或剖面的组合或映射来实现三维化。目前风格迁移的应用大多停留在艺术效果方向，缺乏对真实场景的结合应用，同时，现有研究也缺少对图像中的影响因素的分析和控制。本文旨在通过数据整理控制多个影响因素，实现更为有效的城市意象生成。在对数据进行梳理标记后，通过自定义的参数调整进行机器生成，筛选获得二维图形作为城市平面意向，并反向识别输出图像的信息生成三维城市形态。以Tarragonès区域的城市设计进行实验并做出细化分析，分析其是否对输入因素条件做出有效回应，讨论其创造性和可行性。多因素干预的神经风格迁移方法提供了 一个兼具创造性和合理性的工作方法，将进一步启发机器学习在城市形态设计中的应用，人机协同的工作模式也将在建筑学形态设计领域表现出巨大的潜力。
风格迁移 城市设计 生成设计 机器学习
董智勇 刘宇波 邓巧明
华南理工大学建筑学院
国内会议
武汉
中文
49-54
2021-09-26（万方平台首次上网日期，不代表论文的发表时间）