科研之友
微信
新浪微博
Facebook
分享链接
摘要
街道空间是居民公共生活的载体。随着大数据及机器学习等人工智能形式与多学科联动的快速发展，生成对抗式神经网络研究在建筑与城市领域逐渐成为新热点。机器学习中的深层生成模型能够学习解读数据并自主生成设计，为解决居民对街道景观的需求与实际建设之间的差异问题提供新视角。提出以居民喜好为基准生成街道风格的方法，即利用基于条件生成对抗式神经网络的“图像对图像的风格转译”框架，将二维风格图片与三维建筑形体设计关联后建立可实时反馈的街道改造可视化平台，可在改变建筑模型的高度和形态的同时，根据居民偏好自主生成街道风格。这一机器学习对街道风格生成的应用可帮助使用者设计和评估城市街道设计方案，为街道空间和建筑形态设计提供重要依据。
- 单位
