← 作品WK-01
本文由 AI 翻译
生成对抗网络(GAN)已被广泛用于建筑图像生成,但生成质量、可控性和模型的可解释性仍有提升空间。这项研究用 9772 张 1024 × 1024 的建筑立面图像训练 StyleGAN2,在没有任何条件输入的情况下生成可信的立面图像;再用 GANSpace 在隐空间中找到控制高层属性的方向,既能调节生成的图像,也能调节训练集之外的新图像。
图像嵌入与 PCA 投影让生成与控制的过程变得可见:生成图像可以被无监督地分类,图像与其隐向量之间的关系也被展开在眼前。这是「次元重构」系列最早的起点:在高维空间里漫游,再把看到的东西投影回我们的维度。


论文:Shengyu Meng,Exploring in the Latent Space of Design: A Method of Plausible Building Facades Images Generation, Properties Control and Model Explanation Base on StyleGAN2,DigitalFUTURES 2021,Springer。论文页面 · ResearchGate
所属系列:次元重构