建筑智能前沿探索 | eCAADe2020

本期我们对正在举办的欧洲计算机辅助建筑设计教育和研究协会会议进行总结。

the 38th International Conference on Education and research in Computer Aided Architectural Design in Europe (eCAADe2020)

本会议和CAADRIA，ACADIA共同支撑起了欧洲、亚洲、美洲的参数化研究。整体上来说，eCAADe的设计性和科学性介于CAADRIA和ACADIA之间，兼顾了设计和研究两种导向。今年共提交了541篇文章，最后145篇全文得到录取发表，录取率在27%左右。会议议程中可以看出，主办方并没有对AI相关的文献做归类，而是根据具体解决的问题，渗透在各个细分领域。会议于9月16号-17号在线上举行。主办方对所有参会人员提前公布了预先录制好的讲解视频和在线会议地址，各位可以通过会议展览官网查询。

http://www.ecaade2020.tu-berlin.de/eCAADe2020-360/

今年最后一个会议ACADIA2020

10月举行摘要汇报，11月提交全文，明年1月正式发表

我们建筑智能研究组（AIG）将持续关注

并更新文献解读，欢迎各位关注哦！

设计认知

Urban Emotion - The interrogation of social media and its implications within urban context (Kim, Rosenwasser, and Lopez 2020)

关键词：CNN，数据可视化

本文作者通过对社交网络（Ins）上的照片和定位信息的收集，来可视化城市中不同位置对访问者的情绪影响。

首先作者使用预训练的CNN来判定收集到的照片上的人物情绪；

然后将情绪对应的数值映射到地图上；

进而直观的研究城市对情绪的影响。

Trend Scapetrend study, showcasing a changing visualization of activity during differing blocks of hours during the day.

A big data evaluation of urban street walkability using deep learning and environmental sensors (Liet al. 2020)

关键词：语义分割，城市设计，数据可视化

本文探索了一种基于图像数据采集和语义分割的城市街道步行能力测量方法。

作者首先捕获了街景图片，交通流量数据，以及环境传感器数据；

然后通过语义分割得到街景图片上的关键信息，并可视化表达在街区地图上。

通过对比不同街道的结果，作者进一步分析了步行能力的影响要素。

Physicaland Perceived WoUS results.

Deep Learning Methods for Urban Analysis and Health Estimation of Obesity (Newton et al. 2020)

关键词：CNN，图像分析，疾病率

本文是David Newton的新作之一。

作者通过对城市医疗数据的收集，定位了疾病发生的地理位置；

然后尝试训练CNN模型，输入城市某区域的卫星图，来预测该区域发生疾病的可能性；

然后给城市设计提供降低疾病发生率的建议。

The Xception CNN architecture.

Automatic Generation of Horizontal Building Mask Images by Using a 3D Model with Aerial Photographs for Deep Learning (Ikeno, Fukuda, and Yabuki 2020)

关键词：GAN，平面生成，立面生成

这是一篇标准的训练图像到图像的神经网络的文章，目的是通过读取卫星图来区分建筑和非建筑区域。不同的是，作者使用了三维航拍图来生成训练数据。

Systemto generate sets of aerial photographs and mask images.

The Emoting City - Designing feeling and artificial empathy in mediated environments (Patelet al. 2020)

关键词：人工智能，传感器

本文以深圳双年展的成果为例，提出了一种理论框架，展示了未来城市和人类交互的可能性。

人工智能整合人类的感知力，认知力和现实场景中的行为，在底层实现运算，然后反馈信息给前端的用户。

The Emoting City conceptual diagram depicting applications and components across 3 layers: computational environmental, and human.

Occupancy-informed - Introducing a method or flexible behavioural mapping in architecture using machine vision (Jørgensen, Tamke, and Poulsgaard 2020)

关键词：CNN，行为捕捉

本文关注的是建成室内环境中的评价数据收集。

以室内布置的摄像头为采集设备，CNN算法可以识别其中的人物位置和动作，进而自动建立社交关系图谱。

基于这种方法采集的数据，我们可以客观的评价建筑中的使用情况，进而提出改良建议。

Output form initial prototype, shows the real-time construction of graph representations.

Drawing Recognition - Integrating Machine Learning Systems into Architectural Design Workflows (Brownet al. 2020)

关键词：GAN，平面识别

标准的一篇CNN识别建筑平面图区域的文章。

Various Room Labelling Results.

Methods for the Prediction and Specification of Functionally Graded Multi-Grain Responsive Timber Composites (Fragkia and Foged 2020)

关键词：GAN，材料属性，机械臂

本文通过对木材的材料特性的机器学习，识别特定木板材料的弯曲特性，然后指导机械臂对板材进行处理。

The robotic fabrication of multi-grain responsive timber composites is formed as gradual material layering deposition of various grain directionality, using a custom robotic end-effector.

设计生成

Reprogramming Urban Block by Machine Creativity (Yu 2020)

关键词：GAN，平面生成，立面生成

本文基于UCL2019年的UD研究。

使用了图像到图像的GAN模型，目标是让机器生成建筑方案，包括先由输入的边界生成平面语义分割图，再由优化过的平面图生成立面布局，最终组合在一起形成整体方案。

Application of the Trained Pix2Pix Models: Reprogram Inner Space of Agri-tecture Block.

Architectural Visualisation with Conditional Generative Adversarial Networks (cGAN) (Chan and Spaeth 2020)

关键词：GAN，建筑渲染

本文作者解决的是设计初期的建筑方案表现问题。

设计师往往喜欢从绘制草图开始设计一个方案，但是草图可能缺少必要的渲染细节。

因此本文作者训练了一个图像到图像的神经网络，输入透视图草图，输出真实的照片图，来帮助建筑师快速看到自己绘制的草图对应的建筑实景渲染图。

Results generated by Cyclic-cGAN with 80 training data.

An Academy of Spatial Agents - Generating spatial configurations with deep reinforcement learning (Veloso and Krishnamurti 2020)

关键词：强化学习，建筑布局

本文介绍了一种强化学习方法，基于不同地形，来生成建筑布局方案。

以形状，面积，拓补学关系等等为特征，强化学习模块能综合考虑各项指标，生成可行性最高的方案。

Simulation of 12 agents in a terrain with a bridge over a stream.

辅助工具

A machine-learning model driven by geometry, material and structural performance data in architectural design process (Yazici 2020)

关键词：ANN，聚类，结构分析

本文作者主要关注壳体结构的分析。

先使用分析软件，比如Karamba，得到结构体的基本和衍生参数，然后通过对参数的聚类，来进一步分析结构，预测例如建造和材料推荐等等的信息。

Workflow.

Perceptive Machine - Visuospatial Configurations Through Machine Intuition (Kampani and Varoudis 2020)

关键词：聚类，降维，数据可视化

城市数据往往是多维化而复杂的，因此如果将这些复杂数据都可视化，那带来的效果会是难以阅读和区分的。

本文作者通过对多维的城市数据进行聚类和降维，然后将二次处理过的数据进行可视化。这种方法提高了数据的可读性，同时保留了重要的特征。

Evaluation processes tested on simple surfaces to tune the algorithm.

LOTI - Using Machine Learning to simulate subjective opinions in design (Markusiewicz and Balerdi 2020)

关键词：ANN，行为数据

这是一篇非常有趣的文章。作者在带一个workshop的时候发现，有些学生设计的Loti椅子具有抄袭的嫌疑，但是又很难界定抄袭的边界。

作者设计了一个实验，让学生们来对一个椅子的设计来判断它是不是属于抄袭，然后根据学生提交的问卷，训练神经网络来判断一个设计的抄袭与否。这是一种机器对人的行为数据的学习和再现。

Different versions of Loti generated with the parametric model.

Machine Learning Methods in Energy Simulations for Architects and Designers (Sebestyen and Tyc 2020)

关键词：CNN，环境数据

这是一篇比较标准的使用神经网络来简化环境模拟运算的文章。

作者将Ladybug等模拟的结果作为输出，训练神经网络，然后取代原先复杂的算法。

Predicted shadow and radiation images of a single complex-façade system (middle) and the corresponding true images (left) including the difference map (right).

Machine Learning Methods for Clustering Architectural Precedents (Alymani, Jabi, and Corcoran 2020)

关键词：聚类，设计风格

本文作者将建筑数据进行收集，再使用聚类算法来尝试对设计的风格进行分类。

文章中对比了各个聚类算法的效果。

Workflow.

Designing with a Robot - Interactive methods for brick wall design using computer vision (Das, Foged, and Jensen 2020)

关键词：CNN，图像识别，机械臂

真正意义上的机器人自动搬砖。

本文作者设计了一套自动识别砖块的系统，架设在机械臂上，然后根据摄像头反馈的图像数据，神经网络给出砖块的属性和位置，然后指导机械臂完成砖块的抓取和搭建。

Colour of the brick to be placed (in blue) is to be decided by its 6 nearest neighbouring bricks and available brick on the table.

 

On AI Adoption Issues in Architectural Design (Zwierzycki 2020)

关键词：AI，文献综述

GH插件Anemone和Owl的作者，大名鼎鼎的Mateusz Zwierzycki，本次会议提交了一篇AI+AD的历史梳理和文献综述，值得一看。

关于作者

郑豪，宾夕法尼亚大学设计学院博士生

程序与设计研究者，专攻机器学习

机械臂技术，混合现实技术，生成式设计

参考文献列表，请点击以下阅读原文

作者微信

MixLab第3期 闪聊活动

VR技术不仅是一个进入虚拟世界的通道，其实也是一种催化剂，将虚拟世界实质化成为一个和现实世界最终等价，甚至超越的世界。 胡鹏 Patrick

【主题】：VR空间记忆剧场 | 虚拟空间建筑师

【嘉宾】：建筑师胡鹏  对话 脑科医生 

【时间】：本周日9·20日 19:00-20:00

【形式】：腾讯会议

【会议ID】添加微信FAGU_L

请提前加小编微信锁定名额

 Chauncy Guo

欢迎一起探索未知世界

转发求支持！