基于生成对抗网络的平面户型图智能布局研究与三维可视化系统实现

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:victinfy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在室内建筑设计信息化技术领域,计算机辅助技术极大地提升了人工设计效率和设计方案的视觉呈现效果,已经实现了单纯人工设计到信息化辅助设计的转变,但依然存在使用专业性要求高、设计工序冗长等缺点。近年来,随着人工智能技术的蓬勃发展,产生了大量的图像智能技术,这为室内设计智能化发展提供了新的契机。通过对室内建筑设计的关键模块实现智能化设计,可在无人工干预的情况下,利用人工智能技术满足人们对于美学设计的个性化与即时性需求。本文以室内装修设计中的户型内家具智能化自动布局为主要研究目标,利用深度学习网络对任意输入的空白户型图实现常用家具的自动布局设计,兼顾空间使用合理性与美学视觉效果。更进一步地针对设计过程中对于矢量化数据的需求,在深度学习网络中结合概率图机制,可以直接输出量化的参数结果而非传统位图结果,从而使得该智能化模块可以与传统的图形矢量设计工序无缝结合。同时,为了将该智能技术扩展应用于非专业人士使用场景,本文还提出了对平面智能设计方案的全自动三维可视化呈现,采用一键生成的方式呈现三维渲染设计效果,并提供智能模块的人机交互接口,以更进一步满足对设计方案的个性化需求。具体而言,本文的主要研究内容和贡献如下:首先,针对平面户型图中的智能化家具布局问题,本文将设计问题抽象为图像的生成问题,利用生成对抗网络学习和生成设计方案。考虑到现有生成对抗网络框架大多针对像素图进行处理,并且输出的结果一般也为像素图,这种方式和设计流程中的矢量化要求无法兼容。针对这一难题,本文通过生成模型进行建模的方式将矢量设计问题转化为像素图生成问题,通过生成对抗网络进行计算后,再结合概率图的方式获取量化的数值型结果,为后续设计工序产生量化的参数化结果,从而实现智能模块和现有设计工序的兼容。其次,针对现有基于平面图进行三维场景建模的方法无法实现从图像到三维模型,再到渲染图像的全自动化生成问题。本文通过自动编程以及脚本驱动自动建模等关键性技术打破平面设计、三维建模、渲染三个不同模块与平台之间的壁垒。由于场景多样性以及物体模型的多样性,使用统一的代码难以实现不同的建模以及渲染任务。针对这一挑战,本文利用编程技术自适应地实现渲染脚本驱动,利用自适应生成的脚本完成对应的三维渲染任务,从而实现全自动的三维可视化效果呈现。最后,为了验证本文所提出的技术以及推动室内智能化设计在实际中的应用展开,本文创建了一套室内智能化设计系统。该系统集成了本文提出的户型图智能设计和三维场景自动生成技术。该系统可以实现从单张空白平面户型图到三维场景渲染图的一键生成,并提供相应的人机交互接口,通过用户反馈进一步优化智能化设计模块。综上所述,本文创新性地提出了利用生成对抗网络解决户型图矢量设计任务以及利用自动编程技术解决全自动三维可视化任务。本文提出的算法可以突破传统迭代式交互设计方法的限制,极大地减少了室内设计过程中的人工操作,也实现了对于用户的快速响应。在一些限定场景下,本文可以实现针对用户个性化需求及审美需求的全线上的智能化设计。
其他文献
目的 探讨眩晕病的临床治疗方法,评价中医辨证治疗方法的应用效果。方法 抽取我院2019年3月至2020年12月收治的60例眩晕症患者作为研究对象,通过计算机抽签进行分组,随机分为观察组和对照组各30例。观察组应用中医辨证治疗方法,基于中医理论,对不同症状的患者采用不同的治疗措施。对照组应用维生素B、异丙嗪、盐酸氟桂利嗪胶囊、甲磺酸倍他司汀片等药物进行治疗。对比两组眩晕病患者的症状改善情况、治疗有效
期刊
医学图像分割是诸多临床应用中的关键技术,例如疾病诊断,手术计划,疗效评估等。近年来,基于卷积神经网络(Convolutional Neural Network,CNN)的深度学习方法在医学影像分割中取得了巨大的成功。然而,3D计算机断层扫描影像(Computer Tomography,CT)中小目标分割(如胰腺器官、肺炎小病灶等)依然面临着挑战:1)待分割目标在整个3D CT影像中占据很小的体积(
学位
为规范眩晕症的科学用药,中国医药教育协会眩晕专业委员会特成立专家小组,在纳入现有医学科学证据的基础上,结合专家丰富的临床经验,经反复讨论后形成《甲磺酸倍他司汀治疗眩晕症的专家共识》。本共识包括组胺类药物的药理基础以及甲磺酸倍他司汀在常见眩晕疾病(如良性阵发性位置性眩晕、梅尼埃病、前庭神经炎等)中的用药推荐等级、剂量、疗程、复查方法、特殊人群用药、药物不良反应等方面,旨在帮助医生提升临床实践水平。
期刊
图像视频中的物体分割技术是众多计算机视觉应用的基础。为降低物体分割技术落地应用的数据标注成本,研究弱监督物体分割技术非常必要。传统弱监督分割技术往往只关心图像中物体和背景的外观特征,而忽略了图像中丰富的三维几何信息。为此,本文展开了基于图像深度估计的弱监督物体分割技术研究和应用。首先,针对当前深度估计模型主要聚焦于室内或无人驾驶场景,缺乏通用的开放场景下的深度估计数据集和模型,本文收集了开放场景单
学位
病理图像中细胞的数量与位置分布反应了疾病的重要信息,有助于病理学分析与疾病诊断。细胞计数、定位与分析通常由具有专业知识的医生完成,人力成本高,消耗时间长,不便于疾病的快速诊断与对症治疗。随着图像处理技术的快速发展,细胞自动计数与定位技术取得了长足的进步。传统的基于区域检测和细胞分割的定位方法及密度回归细胞计数算法,对于形态结构相对简单的病理细胞图像,性能较好。但病理细胞往往呈现形状变化(非圆形)、
学位
近年来,无人机、移动机器人、增强现实等人工智能技术发展迅速,成为当前热门的研究方向。其中的一项核心技术就是视觉里程计(Visual Odometry,VO)技术。视觉里程计使机器人能够通过轻量级的相机感知周围的环境,并确定自身位置信息,这对于机器人的智能化控制是必不可少的。仅使用单个相机的视觉里程计称为单目视觉里程计,因其成本低、容易部署等特性,成为了机器人领域的一项重要研究课题。单目视觉里程计可
学位
图像语义分割是计算机视觉的基础任务之一,旨在为图像的每个像素分配语义标签,是自动驾驶、视频美颜、医学影像分析、遥感影像分析等人工智能应用中的关键技术。为促进图像语义分割技术的快速、低成本落地应用,进一步提升语义分割网络的推理速度,减少其训练过程中所需要的人工标注量,本文基于神经网络架构搜索(Neural Architecture Search,简称NAS)研究了轻量级、弱监督语义分割网络的设计,从
学位
脑血管疾病是影响国民健康的重要原因之一,严重时可导致卒中等意外。由于脑卒中具有发病急的特点和较高的致死致残率,在急诊中如何提高脑血管疾病的诊断准确率、缩短诊断时间是临床上需要解决的一大问题。急诊中首选的成像方式是快速清晰且无创的计算机断层血管造影(Computed Tomography Angiography,CTA)。但CTA是三维影像,诊断时需来回查看其二维切片,这大大降低了医生的诊断效率。高
学位
2019年12月由于新冠疫情爆发,全球200多个国家人民都在面临病毒的威胁。在这种情况下,及时快速的诊断可以较早的发现受感染的患者,阻止感染患者疫情的扩散。一方面,早期的临床医学研究表明,COVID-19患者在CT扫描的影响序列中表现出某些独特的放射学特征可以作为肺部感染的评定与估计严重程度。但是由于放射学影响特征需要放射科医生的大量诊断经验,导致医生在诊断COVID-19和其他病毒性肺炎上有显著
学位
建立了液相色谱-串联质谱法测定新型亲环蛋白D抑制剂RN-0001在SD大鼠全血中的浓度。样品前处理采用简单的蛋白沉淀法,色谱分离在Gemini?C18 110?,色谱柱(50 mm×2 mm,5μm)上进行,以含10 mmol/L乙酸铵和0.1%甲酸的水溶液作为流动相A,含0.1%甲酸的甲醇溶液作为流动相B,在0.8 mL/min流速下梯度洗脱。待测物RN-0001和内标环孢菌素A的检测采用正离子
期刊