首页/文章/ 详情

新论文:ChatHouseDiffusion:提示词引导的建筑平面图生成与编辑方法

10月前浏览390
 

论文:ChatHouseDiffusion:提示词引导的建筑平面图生成与编辑方法

DOI:https://doi.org/10.11918/202505066

0

太长不看版

      房子的建筑平面图往往需要建筑师和业主来回沟通、不断修改图纸,例如“卧室最好靠近客厅”,“卧室里面再增加一个储藏间”。反复改图成为设计师和业主矛盾的焦点,“完成版”、“最终版”、“最最终版”、“绝对不改版”、“绝对不改版1”、“绝对不改版2”、“最终确定不改版”、“打死不改版”等等名梗成为每位设计师心中永远的痛。

      为了满足建筑平面设计和修改的需求,ChatHouseDiffusion融合大语言模型、图神经网络与扩散模型,把用户自然语言表达的设计需求转化为AI设计的输入信息,并提取房间拓扑关系信息,最后自动生成平面图,并支持局部替换和反复迭代修改,大幅提高了设计效率。

 

1

研究背景

      建筑平面图是建筑设计的起点,也是最需要频繁修改的环节。以往设计中,建筑师需要依赖CAD工具一点点绘制,每次修改都要耗费大量时间。而对于普通业主而言,一般只能提出一些类似“书房采光要好”“卧室要安静”这样的自然语言描述需求,需要和设计师反复沟通和修改才能转化为最终的设计图纸。

 

房间布局设计调整过程繁琐复杂(本插图由GPT 5生成)


      近年来,人工智能已经在平面图生成领域取得不少进展:生成对抗网络方法能自动生成房间布局;扩散模型则让布局生成更稳定、更自然;还有部分研究尝试引入交互功能,比如添加或删除房间。但现存方法仍然存在以下不足:(1)输入门槛高,通常需要用户先画好拓扑关系图,操作复杂;(2)交互能力弱,难以理解自然语言这种更直观的需求表达;(3)局部修改难,修改一个房间,往往会导致整体重新生成,难以保持一致性。针对这些问题,我们提出ChatHouseDiffusion以提高设计效率。

2

数据驱动AI在智能优化中的应用

       ChatHouseDiffusion方法如图所示,主要可以分为两个部分:(1)基于大语言模型对自然语言房间设计条件的理解与解析;(2)基于扩散模型进行建筑平面图的条件生成与编辑。

 


2.1 设计意图解析

       用户只需输入一句话需求,系统就会调用大语言模型,将其转化为JSON格式的结构化信息,清晰记录房间位置、大小和连接关系。

 


2.2 建筑平面图生成

       为了理解房间之间的拓扑关系,本研究引入了Graphormer来捕捉房间之间的拓扑关系,并将其编码后作为设计条件输入扩散模型,在房间外轮廓约束下,扩散模型负责一步步“去噪”,逐渐生成符合需求的平面图。它不仅能保证整体布局合理,还能使细节呈现更为自然逼真

 


2.3 建筑平面图编辑

       在ChatHouseDiffusion中,平面图是通过扩散模型一步步“去噪”生成的,过程里依赖交叉注意力图来确定“卧室”“厨房”等词对应的区域。如果采用传统方法,一旦修改条件(如把卧室挪到北边),就会导致整张图重画,其他房间也被打乱。因此ChatHouseDiffusion在生成时保存注意力图,编辑时在初始去噪阶段沿用原始注意力图,随后再启用修改后的注意力图,从而保证整体布局不受影响。

 


3

方法效果

       在开源RPLAN数据集上,ChatHouseDiffusion展现出显著优势,其生成房间布局与建筑师设计房间布局基本一致。特别是在对设计输入进行人工解析的情况下,生成结果与真实标注的IoU达到0.8以上,这意味着随着大语言模型的持续进步,ChatHouseDiffusion的效果还会进一步提升。此外,它在生成之外还具有很强的修改能力。添加房间、删除房间、移动位置都能快速高效完成,且整体布局保持稳定,真正实现了人机协作。

 


4

开源平台

       我们基于ChatHouseDiffusion搭建了一个开源平台,用户只需手绘外轮廓并输入简单的文字需求,系统就能快速生成建筑平面图,并支持后续的交互式编辑。平台集成了绘图、文本输入、自动生成与局部修改等功能,操作直观,轻松易用。相关代码可参考GitHub仓库:https://github.com/ChatHouseDiffusion/chathousediffusion

 


5

结语

       ChatHouseDiffusion让建筑平面设计走向了“所言即所得”。从一句话到一张平面图,从整体生成到局部修改,它不仅展示了AI在建筑领域的潜力,也为我们勾勒出一个更高效、更自由的设计未来。

      随着大语言模型的不断发展,我们也将继续探索大语言模型在建筑和结构设计中应用的可能性,欢迎各位专家、老师、同学共同交流探讨。


相关论文

  1. Liao WJ, Lu XZ, Huang YL, Zheng Z, Lin YQ, Automated structural design of shear wall residential buildings using generative adversarial networks, Automation in Construction, 2021, 132: 103931. DOI: 10.1016/j.autcon.2021.103931.

  2. Lu XZ, Liao WJ, Zhang Y, Huang YL, Intelligent structural design of shear wall residence using physics-enhanced generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2022, 51(7): 1657-1676. DOI: 10.1002/eqe.3632.

  3. Zhao PJ, Liao WJ, Xue HJ, Lu XZ, Intelligent design method for beam and slab of shear wall structure based on deep learning, Journal of Building Engineering, 2022, 57: 104838. DOI: 10.1016/j.jobe.2022.104838.

  4. Liao WJ, Huang YL, Zheng Z, Lu XZ, Intelligent generative structural design method for shear-wall building based on “fused-text-image-to-image” generative adversarial networks, Expert Systems with Applications, 2022, 118530, DOI: 10.1016/j.eswa.2022.118530.

  5. Fei YF, Liao WJ, Zhang S, Yin PF, Han B, Zhao PJ, Chen XY, Lu XZ, Integrated schematic design method for shear wall structures: a practical application of generative adversarial networks, Buildings, 2022, 12(9): 1295. DOI: 10.3390/buildings1209129.

  6. Fei YF, Liao WJ, Huang YL, Lu XZ, Knowledge-enhanced generative adversarial networks for schematic design of framed tube structures, Automation in Construction, 2022, 144: 104619. DOI: 10.1016/j.autcon.2022.104619.

  7. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on attention-enhanced generative adversarial network, Engineering Structures, 2023, 274: 115170. DOI: 10.1016/j.engstruct.2022.115170.

  8. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent beam layout design for frame structure based on graph neural networks, Journal of Building Engineering, 2023, 63, Part A: 105499. DOI: 10.1016/j.jobe.2022.105499.

  9. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on graph neural networks, Advanced Engineering Informatics, 2023, 55:101886, DOI: 10.1016/j.aei.2023.101886

  10. Liao WJ, Wang XY, Fei YF, Huang YL, Xie LL, Lu XZ, Base-isolation design of shear wall structures using physics-rule-co-guided self-supervised generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2023, 52(11): 3281-3303. DOI:10.1002/eqe.3862.

  11. Feng YT, Fei YF, Lin YQ, Liao WJ, Lu XZ, Intelligent generative design for shear wall cross-sectional size using rule-embedded generative adversarial network, Journal of Structural Engineering-ASCE, 2023, 149(11). 04023161. DOI:10.1061/JSENDH.STENG-12206.

  12. Fei YF, Liao WJ, Lu XZ, Guan H, Knowledge-enhanced graph neural networks for construction material quantity estimation of reinforced concrete buildings, Computer-Aided Civil and Infrastructure Engineering, 2024, 39(4): 518-538. DOI: 10.1111/mice.13094.

  13. Zhao PJ, Fei YF, Huang YL, Feng YT, Liao WJ, Lu XZ, Design-condition-informed shear wall layout design based on graph neural networks, Advanced Engineering Informatics, 2023, 58: 102190. DOI: 10.1016/j.aei.2023.102190.

  14. Fei YF, Liao WJ, Lu XZ, Taciroglu E, Guan H, Semi-supervised learning method incorporating structural optimization for shear-wall structure design using s mall and long-tailed datasets, Journal of Building Engineering, 2023, 79: 107873. DOI:10.1016/j.jobe.2023.107873

  15. Liao WJ, Lu XZ, Fei YF, Gu Y, Huang YL, Generative AI design for building structures, Automation in Construction, 2024, 157: 105187. DOI: 10.1016/j.autcon.2023.105187

  16. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Beam layout design of shear wall structures based on graph neural networks, Automation in Construction, 2024, 158: 105223. DOI: 10.1016/j.autcon.2023.105223

  17. Qin SZ, Liao WJ, Huang SN, Hu KG, Tan Z, Gao Y, Lu XZ, AIstructure-Copilot: assistant for generative AI-driven intelligent design of building structures, S mart Construction, 2024, DOI: 10.55092/sc20240001

  18. Gu Y, Huang YL, Liao WJ, Lu XZ, Intelligent design of shear wall layout based on diffusion models, Computer-Aided Civil and Infrastructure Engineering, 2024, 39(23):3610-3625. DOI: 10.1111/mice.13236

  19. Fei YF, Liao WJ, Zhao PJ, Lu X*, Guan H, Hybrid surrogate model combining physics and data for seis mic drift estimation of shear-wall structures, Earthquake Engineering & Structural Dynamics, 2024, 53(10): 3093-3112. DOI: 10.1002/eqe.4151

  20. Han J, Lu XZ, Gu Y, Cai Q, Xue HJ, Liao WJ, Optimized data representation and understanding method for the intelligent design of shear wall structures, Engineering Structures, 2024, 315: 118500. DOI: 10.1016/j.engstruct.2024.118500

  21. Qin SZ, Guan H, Liao WJ, Gu Y, Zheng Z, Xue HJ, Lu XZ, Intelligent design and optimization system for shear wall structures based on large language models and generative artificial intelligence, Journal of Building Engineering, 2024, 95: 109996. DOI: 10.1016/j.jobe.2024.109996

  22. Wang ZH, Yue Y, Chen Y, Liao WJ, Li CS, Hu KG, Tan Z, Lu XZ. Expert experience-embedded evaluation and decision-making method for intelligent design of shear wall structures.  Journal of Computing in Civil Engineering-ASCE, 2025, 39(1). DOI: 10.1061/JCCEE5.CPENG-6076

  23. Tan Z, Qin SZ, Hu KG, Liao WJ, Gao Y, Lu XZ, Intelligent generation and optimization method for the retrofit design of RC frame structures using buckling-restrained braces, Earthquake Engineering & Structural Dynamics, 2025, 54(2): 530-547. DOI: 10.1002/eqe.4268

  24. Yu Y, Chen Y, Liao WJ, Wang ZH, Zhang SL, Kang YJ, Lu XZ, Intelligent generation and interpretability an alysis of shear wall structure design by learning from multidimensional to high-dimensional features, Engineering Structures, 2025, 325: 119472. DOI: 10.1016/j.engstruct.2024.119472

  25. Qin SZ, Liao WJ, Huang YL, Zhang Shulu, Gu Y, Han J, Lu XZ, Intelligent design for component size generation in reinforced concrete frame structures using heterogeneous graph neural networks, Automation in Construction, 2025, 171: 105967. 

  26. Xia JK, Liao WJ, Han B, Zhang SL, Lu XZ, Intelligent co-design of shear wall and beam layouts using a graph neural network, Automation in Construction, 2025, 172: 106024. 

  27. Qin SZ, Liao WJ, Tan Z, Hu KG, Gao Y, Lu XZ, Comparative ana lysis of intelligent retrofit design methods of RC frame structures using buckling-restrained braces. Bulletin of Earthquake Engineering, 2025, DOI: 10.1007/s10518-025-02164-3

  28. Liao WJ, Zhang ZL, Liu B, Lu XZ, Liu DF, Liu Q, Duan ZJ, Liu C, Intelligent zoning design of concrete-faced rockfill dams using image-parameter fusion enhanced generative adversarial networks, Engineering Structures, 2025, 339: 120662. DOI: 10.1016/j.engstruct.2025.120662

  29. Qin SZ, Fei YF, Liao WJ, Lu XZ*, Leveraging data-driven artificial intelligence in optimization design for building structures: A review, Engineering Structures, 2025, 341: 120810. DOI: 10.1016/j.engstruct.2025.120810

  30. Fei YF, Lu XZ, Liao WJ, Guan H, Data enhancement for generative AI design of shear wall structures incorporating structural optimization and diffusion models, Advances in Structural Engineering, 2025, DOI: 10.1177/13694332251353614


来源:陆新征课题组
ACTSystem二次开发建筑材料人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-10-19
最近编辑:10月前
地震那些事
博士 抗震防灾数值模拟仿真
获赞 84粉丝 73文章 673课程 0
点赞
收藏
作者推荐

纪念John Michael Rotter教授

Professor J Michael Rotter, FREng, FRSE, FICE, structural engineer and academic. (31 Oct. 1948 - 9 Aug. 2025).2004年,Rotter教授、陈建飞教授和叶列平教授共同申请的中-英合作课题获批,在该课题的支持下,我有幸得以访问英国爱丁堡大学并见到了Rotter教授。Rotter教授是非常典型的老派英国绅士风格,优雅、幽默、不急不忙。我和叶列平老师抵达英国后,Rotter教授请我们去了郊外的一个苏格兰小饭店吃晚饭。当时正好是夏天,苏格兰纬度高,天黑得很晚。饭店周围是苏格兰的丘陵和草地,环境非常好。我当时没怎么出过国,也不知道点啥,胡乱点了一个炸鱼排,吃起来感觉就是一个高级一点的Fish & Chips。但Rotter教授很热情地教我点了一杯Gin酒,这也是我第一次喝Gin酒,当时觉得很好喝。后来在英国生活期间,我自己跑到超市去买了一瓶Gin酒,却发现和那天晚上的酒完全不是一个味道,一点都不好喝,最后都拿去炒菜了。此后和Rotter教授交流科研工作,Rotter教授对论文精益求精的要求和不急不忙的态度是出了名的。有一次Rotter教授拿出了他的博士论文,厚厚的一大本,然后对我说,他博士论文的成果还没有完全发表出来,有两篇论文他仍然觉得有些地方还没有写到十全十美,还需要再改改再投稿。不过他很自信地说,虽然距离他博士毕业已经过去了差不多30年,这些成果放到今天去读仍然具有很好的创新性。这番谈话对当时正忙着写论文攒工分的我产生了巨大的震撼。在英国期间,我见到Rotter教授的机会不多,听别的老师说,他花了大量时间在欧洲大陆参加相关设计规范的编制。Rotter教授本人是筒仓(Silo)结构的权威专家,据说很多国家的筒仓规范都有他的贡献。Rotter教授曾经提及,当时英国女王的丈夫菲利普亲王有一次来爱丁堡大学视察,他去给亲王讲解他的科研工作。他用透明塑料袋做了一个筒仓的模型,然后里面灌上沙子,再把塑料袋底部剪开,沙子开始流出,塑料袋一下子就凹下去一大块,很好地演示了筒仓的失稳破坏过程,向亲王解释了他研究的内容。这套实验装置虽然简单,但试验成功率高,效果明显。这种“土法上马”的演示实验给了我很好的教学启示。在合作课题的支持下,Rotter教授也曾数次来清华访问。Rotter教授在日常生活中非常随和而风趣。有一次他带了一个英国学生一起来访,在餐厅吃饭时他给学生解释桌上每道菜。其中有一道菜是甲鱼,Rotter教授可能一时不记得甲鱼这个词怎么说了,于是就在那里用身体和手部动作来比划这是一个什么动物。不知道是不是那个英国学生就没见过甲鱼,虽然Rotter教授用各种动作去说明,但是那个学生就是不明白这是一个什么动物,倒是滑稽的动作把我们逗得哈哈大笑。Rotter教授是一个非常好的老师、非常好的朋友,但是和他合作写论文真是一番挑战。2004年访问结束后我们就决定一起写一篇论文,当时论文的研究工作基本上都已经做完了,但是论文一直反复修改到2008年才算完成。不过想想他对自己的论文修改了30年还不满意,这篇论文才修改了3年多也就不算啥了。后来我因为研究方向变化,一直没有机会再见到Rotter教授,只是在网上联系。他一直非常热爱科研,在2021年美国佛罗里达公寓倒塌事故后,我还收到ResearchGate发来的通知,说Rotter教授刚刚阅读了我们关于事故分析的论文。不想今天在朋友圈得知Rotter教授不幸离世,谨以此文纪念这位在我求学阶段指导过我的可敬的前辈学者。 Rotter教授的生平可以参阅他的同事和学生为他写的这篇纪念文章https://www.scots man.com/news/people/scots man-obituaries-professor-michael-rotter-visionary-structural-engineer-and-academic-5286960 来源:陆新征课题组

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈