哈佛建筑系學霸開發設計神器ArchiGAN，一鍵完成室內設計

有一只AI，給它打開門，再給一扇窗，它就能幫你規劃出整間公寓。

就像這樣，黑筆畫空間，綠筆涂出口，紅筆繪窗戶。

哪怕沒有設計知識，只是胡亂瞎畫幾筆，AI也會努力給出合理的布局：

^{▲量子位隨手畫}

實時調整，也沒有問題：

這就是法國小哥 Stanislas Chaillou 產出的一只設計GAN，名字叫ArchiGAN。

精致公寓，一鍵生成，天天苦熬設計圖的工程師們生產力解放有望。

你以為這又是專業煉丹大師杰作？no，no，no~

這位Stanislas Chaillou小哥并不是一位專職的程序猿，他的主業其實是建筑設計。他在哈佛大學拿到了建筑學碩士學位，是名副其實的學霸。

^{▲帥氣的學霸建筑師}

真是不會煉丹術的程序猿不是好建筑師啊。

專業加持，難怪ArchiGAN不僅看起來好玩，還很務實，在規劃時甚至還考慮到了承重墻的設計是否實用。

這樣一個有設計天賦的GAN，其效果好到TensorFlow官方等都忍不住轉發，推特收獲上千贊，不少網友大呼“Amazing”。連谷歌大腦研究員David Ha都稱贊道：

這是對pix2pix的絕妙應用。

但它的效果還遠遠不止如此。

五大功能，一鍵實現

作為一只設計師GAN，ArchiGAN能夠實現五種功能。

功能一：立體規劃，全面布局

ArchiGAN不僅能設計單層公寓的建筑結構，還能實現整個公寓大樓的建筑設計。

每一層還都能實現不一樣的布局，而且不會出現這家的出口開在隔壁家墻上的窘境。

整棟公寓，從上到下，樓梯門窗，ArchiGAN都安排得明明白白，每一戶的家具擺設還不帶重樣，太有工匠精神了～

功能二：戶型隨意DIY

有一個自己設計的房子的夢想，現在就可以實現了。

屋門在哪，窗戶是一小塊還是整面墻都能欣賞外面的美景，廚房是不是開放式，客廳能不能大到可以容下一套VR游戲設備……

所有這些期望與幻想，你都可以通過簡單的涂抹操作來實現。

黑色地面，綠色是門，紅色是窗戶，拿起畫筆輕輕一圖畫上幾個矩形的塊塊，屋子的構造立刻就出來了。

功能三：家具也能自動碼放好

正如開頭展示的那樣，ArchiGAN還能規劃你家里的家具應該如何擺放，還能顯示擺上之后的整體效果。

我們用不同的顏色展示不同的房間，綠色代表客廳，粉色代表臥室，紫色為洗手間，藍色為走廊，青色是廚房，橙色為衣柜。

當上面的平面圖生成之后：

模型還能更近一步，根據房間功能的不同，規劃好整個房間的家具擺設，就像下面這樣：

細看可發現，臥室中的床、 客廳中的沙發和茶幾、浴室中的洗手臺等已配備好了。

你以為這就是ArchiGAN的全部實力了？

非也。

作者表示，ArchiGAN看似高度受限，其實卻具備極大的靈活性，不僅能設計形狀規則的公寓的內部構造，對于造型不規則的空間也設計得挑不出毛病，此為其功能四也。

看看不規則的X邊形系列：

三角形、扇形、圓形、云朵形甚至對話框形，都能生成……

也就是說，只有你想不出的形狀，沒有它設計不了的布局。

潛力也不會止步于此，作者表示，這ArchiGAN的第五個功能， 就是可用于整個建筑群/社區的規劃。

來看效果：

這個環狀的建筑和福建的客家土樓還有些神似~

研究人員表示，這些效果都證明了GAN在建筑領域的潛力，但目前ArchiGAN還有一定的局限性，主要分為三點。

一是在設計多層公寓中每一層的布局時，每一層的設計都有所不同，現在還無法保證承重墻的設計是否合理。

二是當前產出的圖像清晰度有限。研究人員表示希望增加輸出層的size，外加英偉達后續開發的Pix2Pix HD，再借助TensorRT增強算力實現這一目標。

局限性之三體現在生成數據的格式上，目前智能生成的輸出文件是非矢量格式，建筑師和設計師不能直接拿來用。

從作者自述的三點的局限性也能看出，構建這個ArchiGAN模型時，實用性是他們首要考慮的因素，能否真正幫到設計師和建筑師，才是最重要的。

多么踏實樸素的研究呀！用這種方法生成公寓，其實只需要3步↓↓↓

三步生成公寓

ArchiGAN主要采用了Pix2Pix圖像轉換技術，模型在谷歌云端平臺上訓練，采用英偉達的Tesla V100 GPU進行快速迭代和測試。

Pix2Pix使用條件生成對抗網絡（cGAN）來學習從輸入圖像到輸出圖像的映射。所以ArchiGAN是直接從建筑平面圖中學習拓撲特征和空間組織的。

Chaillou通過格式化圖像來控制模型學習的信息類型。比如，只給模型展示地塊的形狀，以及地塊所包含的建筑面積。

這就是典型的訓練結果。訓練這樣的序列花費了一天半的時間。為了進行更多次測試和迭代，模型最終在谷歌云的V100上跑了不到兩個小時。

雖然一開始模型不太精確，但在250次迭代之后，機器形成了某種直覺。

ArchiGAN功能的實現要分成三步走，每一步都負責工作流中特殊的一部分任務。

模型一：平面布局（Footprint）量化

建筑的占地面積決定了平面圖上的內部結構，它們的形狀受到地塊形狀的限制，也就是說，根據土地的形狀能夠推斷出房屋的平面布局。

于是，Chaillou把波士頓的GIS（地理信息系統）數據投喂給了神經網絡，訓練出能夠生成房屋平面布局的模型。

喂食的圖像都是成對的，既有原始地塊（左），又有繪制上了給定建筑物的相同地塊（右），就像這樣：

模型二：空間規劃

模型二的主要工作是重新分區和開窗。

作為輸入的是模型一生成的建筑平面面積，以及用戶指定的入口和窗口位置。

空間規劃模型是用800+公寓圖紙喂大的，這些圖紙同樣是成對的，包括公寓的平面面積和其中實際的空間劃分。

模型用不同的色塊來表示房間的不同功能。

小優驚的是，GAN在訓練過程中學會了自己開窗。除了用戶指定的主窗，它還能自主規劃出新的出口。

模型三：家具布局

房間分好了，ArchiGAN表示這還不夠，貼心的設計師怎么能不往房子里擺家具呢？

依然是成對的圖像，房間的顏色被映射到適當的家具布局上。

這個模型能夠保留墻壁的結構和房屋的門窗，同時根據房間的功能來置放合適的家具。

以上，建筑師可以在任兩步之間對模型進行修改或微調，以實現人機交互。

學霸其人

Stanislas Chaillou出生于巴黎，本科就讀于瑞士洛桑聯邦理工學院。

在建筑領域，Chaillou小有成績，在2017年獲得了耶魯、哈佛、紐約時報等機構聯合評選的美國建筑獎（ American Architecture Prizes），2018年又獲得了建筑大師獎（Architecture Masterprize）。

Chaillou可謂學業和事業雙豐收，研究生還未畢業之時，就已經在知名建筑事務所實習，比如芝加哥Adrian Smith & Gordon Gill，東京的Shigeru Ban Architects等。

此外，Chaillou還擔任非盈利跨學科智庫CitiX Initiative的執行董事，關注智慧城市的建設。

^{版權聲明：本文版權歸原作者所有，如有侵犯您的權益請及時聯系，我們將第一時間刪除。}

^{投稿郵箱：contact@landscape.cn}

^{項目咨詢：18510568018（微信同號）}