[温沧海]房屋设计耗时耗力耗钱？图约束的生成对抗网络帮你解决机器之心编译参与：Jamin在房屋设计耗

机器之心编译
参与：Jamin
在房屋设计耗时耗力的大环境下，如何才能使得建筑和房地产行业有效的降低建筑和房地产行业的设计成本？本文介绍了一种房屋平面设计自动生成方式，旨在不久的未来，能够在给定真实建筑约束下，生成CAD级别的房屋几何布局，从而帮助建筑师进行房屋设计。
项目链接：https://ennauata.github.io/housegan/page.html
论文链接：https://arxiv.org/abs/2003.06988
图约束生成对抗网络
房屋对大多数人来说是一个重要的选项，多数人都倾向于舒适安全的环境。同时，在合理预算范围内尽量满足所有功能层面的需求是非常具有挑战性的。在此情况下，只有小部分的业主有足够的预算去聘请专业的建筑师进行房屋设计。
而另一方面，房屋设计是一个昂贵且耗时的迭代过程，在有限的时间和预算成本下，建筑师和客户很多时候只能在户型的设计质量上妥协。
总的来说，建筑户型设计是一件十分耗费时间成本的工作。一个标准的设计流程是：
起草一个「气泡图」(bubblediagram)来显示房屋的房间数量，类型以及房间之间的连接关系；
绘制对应的房屋平面图并获取用户的意见反馈；
修改气泡图；
反复迭代上述过程。
所以，如果房屋平面设计图可以自动化生成，则可以有效的缓解这一系列难题，同时在房产、建筑、室内设计等相关行业也具有非常可观的发展前景。
而此次介绍的研究所提出的House-GAN模型在一定程度上解决了这一问题。
本文研究的是一种全新的房屋布局自动生成问题，以气泡图作为输入，并生成各种与现实匹配的房屋布局图。气泡图由具体的图形表示，其中：
使用节点对房间类型进行编码；
使用其边缘对相邻空间进行编码。
而房屋的布局则表示为一组轴向对齐的房间边界框（可参考图2）。

文章图片
图2：使用House-GAN进行平面布置图的设计，系统的输入是一个气泡图，它已编码了高级结构体系的约束。 House-GAN学会在气泡图约束下生成一系列逼真的房屋布局，同时建筑师再将布局图转换为真实的平面图。
简而言之，此项研究提出了一种新的图约束生成对抗网络，其生成器和鉴别器建立在一套关系架构之上。主要思路是将编码约束至其关系网络的图结构中。目前团队已经演示了面向新房屋布局生成方向的架构，其核心目的是将房屋架构约束为图形（例如具有空间邻接关系的房间数量和类型）并生成一组轴之间对齐的房屋边界框。
团队使用了三个指标来衡量生成的房屋布局的质量：真实性，多样性和与输入图约束的兼容性。同时对117,000张真实平面图像进行了定性以及定量评估，结果表明研究所提出的方法优于现有方法和标准。
效果是什么样的？

文章图片
如上图所示，研究团队数据集采样中的气泡图以及房屋布局图。

文章图片
多样性的评估：从同一气泡图生成的房屋布局作为示例。 House-GAN显示了种类最多的多样性变化。

文章图片
兼容性的评估：研究团队固定了噪声矢量，并将房间的节点及其关联边缘进行依次添加。（多样性及兼容性的对比在第三部分有说明，详细信息可参考原文。）
什么是House-GAN？
House-GAN本质上是一个关系生成对抗网络。其核心是团队所提出的关系生成器和鉴别器，其中输入的图约束会被编码至关系网络的图结构中。值得注意的是，团队采用了Conv-MPN ，与GCN的不同之处在于，在设计空间中节点存储了特征量并且用卷积更新特征。