目的:随着城市化进程的加快,高度集约化的超高层建筑应运而生.在超高层建筑设计过程中,需要综合考虑众多因素,如建筑结构、建筑性能、平面布局等,可利用信息最大化生成对抗网络InfoGAN,使机器自主学习和掌握超高层建筑三维形体信息,以丰富建筑师的设计思路.方法:文章首先提取典型超高层建筑模型并构建高质量的数据库,为深度学习技术在超高层建筑设计中的应用奠定理论和数据基础.随后利用InfoGAN的可解释性特征进行实验,生成含三维形体信息的平面图并进行三维重建,最终得到多样化的自定义设计方案.结果:通过最大化互信息的方式,实现对无标签数据的有效利用,生成具有可解释特征的样本.这为设计师提供了更多的方向选择和更大的思考空间,有助于缩短设计思考的时间,提高设计效率.结论:通过基于InfoGAN的建筑形体生成方法,得到更具有可解释性的建筑形体,能使设计师更清晰地理解生成建筑背后的设计原理和逻辑.
NETL
NSTL
万方数据
维普
