System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及建筑设计,尤其是涉及一种基于多模型的建筑改建设计方法、设备、存储介质。
技术介绍
1、aigc技术自问世以来,建筑设计行业内一直在寻求将其纳入进传统设计工作流程中的途径,但目前现有的技术介入手段均存在以下的局限性:
2、①相对单点式、片断式,无法做到全流程自动化地利用aigc技术进行设计。
3、②只针对一个aigc技能进行开发,无法实现多aigc路径复核使用。
4、③aigc生成了设计成果之后,仅可通过人类来评判其好坏优劣,无法实现自我迭代。
5、中国专利申请公开号cn117058312a公开了一种基于人工智能的军事设施规划和设计方法,针对现有规划设计方法依赖于人工经验和判断,缺乏科学性和系统性,耗费大量的时间和资源,效率低下等缺点,根据用户输入的文本描述,自动生成多个符合条件和标准的设施方案,并且可以根据用户的选择或修改指令,动态调整和优化设施方案,提高了设施规划和设计的灵活性。然而,上述方案一定程度上依赖人对生成的方案进行评价和优化指导,缺乏自动迭代优化的设计。
6、当前缺少一种建筑设计方法,以克服或部分克服前述aigc在建筑设计流中的缺陷。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多模型的建筑改建设计方法、设备、存储介质,以实现建筑改建的迭代设计。
2、本专利技术的目的可以通过以下技术方案来实现:
3、本专利技术的一个方面,提供了一种基于
4、步骤s1,获取设计目标文本,利用大语言模型提取目标关键词;
5、步骤s2,基于所述目标关键词,利用第一图片生成模型生成目标效果图,基于所述目标效果图训练得到lora模型;
6、步骤s3,基于所述lora模型、所述目标关键词和获取的建筑现状图像,利用第二图片生成模型生成过程效果图;
7、步骤s4,基于所述目标关键词,分别计算所述建筑现状图像和所述过程效果图的分数,判断是否满足预设条件,若否,重新执行步骤s3,若是,则当前的过程效果图即为最终的设计效果图。
8、作为优选的技术方案,所述步骤s2中,lora模型的训练过程包括:
9、步骤s201,将所述目标效果图转化为预设尺寸并上传至训练器,利用blip自然语言生成标签;
10、步骤s202,通过交互对标签进行调整,包括在标签中增加lora模型触发词、删除与目标效果图匹配度低的标签、删除重复标签以及单个标签调整;
11、步骤s203,基于调整后的标签以及设置的参数训练得到lora模型。
12、作为优选的技术方案,所述步骤s3中,利用第二图片生成模型生成过程效果图的过程包括:
13、基于预设的checkpoint大模型、所述lora模型和建筑现状图像,在所述第二图片生成模型中生成过程效果图。
14、作为优选的技术方案,所述步骤s4中,针对所述建筑现状图像和所述过程效果图打分包括:
15、以图像与所述目标关键词的关联程度作为评分标准,分别计算所述建筑现状图像和所述过程效果图的分数。
16、作为优选的技术方案,所述步骤s4中,预设条件包括:
17、所述过程效果图的分数大于预设的阈值,其中,所述阈值根据最终设计效果图与关键词拟合匹配程度来调整,预设阈值越高则匹配度越高。
18、作为优选的技术方案,所述步骤s4中,分别计算所述建筑现状图像和所述过程效果图的分数之后,还包括:
19、生成设计说明文本。
20、作为优选的技术方案,还包括:
21、步骤s5,将所述建筑现状图像和对应的分数、所述设计效果图和对应的分数,以及所述目标关键词和所述设计说明文本输出至可视化界面。
22、作为优选的技术方案,所述步骤s4中,当不满足预设条件时,基于所述lora模型、所述目标关键词和当前的过程效果图,利用第二图片生成模型生成新的过程效果图,并重新执行步骤s4。
23、本专利技术的另一个方面,提供了一种电子设备,包括:一个或多个处理器以及存储器,所述存储器内储存有一个或多个程序,所述一个或多个程序包括用于执行前述基于多模型的建筑改建设计方法的指令。
24、本专利技术的另一个方面,提供了一种计算机可读存储介质,包括供电子设备的一个或多个处理器执行的一个或多个程序,所述一个或多个程序包括用于执行前述基于多模型的建筑改建设计方法的指令。
25、与现有技术相比,本专利技术至少具有以下有益效果之一:
26、(1)实现多模型联合的迭代设计:针对现有方法大多采用单点式、片断式的设计方法,无法自动化设计的问题,本专利技术首先利用大语言模型提取目标关键词提取目标文本的目标关键词,并利用第一图片生成模型生成目标效果图并训练lora模型,最后利用第二图片生成模型迭代生成过程效果图,直至满足预设条件,一方面,有效减少了人的参与,自动化程度高,另一方面。综合多个模型可以充分发挥各模型的能力。
27、(2)迭代过程中无需人的参与:针对现有方法大多需要人工对迭代中的过程效果图进行评价的问题,本专利技术在迭代生成过程效果图的过程中,以图像与目标关键词的关联程度作为评分标准对图像进行打分,无需人工参与,一定程度上保证了结果的可靠性。
28、(3)本专利技术具有高自动性和高可靠性迭代的特点,通过电子设备或计算机可读存储介质整合,可以做到自动批量化生成高品质建筑改造设计效果图及设计说明,一定程度上提高了人工智能建筑改造设计效果图生成效率和品质。
29、(4)普适性强:本专利技术具有可复制性和可拓展性,对于各类设计空间、各类体量及各类需求的设计目标,都具有同等的普适性。
本文档来自技高网...【技术保护点】
1.一种基于多模型的建筑改建设计方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤S2中,LoRA模型的训练过程包括:
3.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤S3中,利用第二图片生成模型生成过程效果图的过程包括:
4.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤S4中,针对所述建筑现状图像和所述过程效果图打分包括:
5.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤S4中,预设条件包括:
6.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤S4中,分别计算所述建筑现状图像和所述过程效果图的分数之后,还包括:
7.根据权利要求6所述的一种基于多模型的建筑改建设计方法,其特征在于,还包括:
8.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤S4中,当不满足预设条件时,基于所述LoRA模型、所
9.一种电子设备,其特征在于,包括:一个或多个处理器以及存储器,所述存储器内储存有一个或多个程序,所述一个或多个程序包括用于执行如权利要求1-8任一所述基于多模型的建筑改建设计方法的指令。
10.一种计算机可读存储介质,其特征在于,包括供电子设备的一个或多个处理器执行的一个或多个程序,所述一个或多个程序包括用于执行如权利要求1-8任一所述基于多模型的建筑改建设计方法的指令。
...【技术特征摘要】
1.一种基于多模型的建筑改建设计方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤s2中,lora模型的训练过程包括:
3.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤s3中,利用第二图片生成模型生成过程效果图的过程包括:
4.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤s4中,针对所述建筑现状图像和所述过程效果图打分包括:
5.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤s4中,预设条件包括:
6.根据权利要求1所述的一种基于多模型的建筑改建设计方法,其特征在于,所述步骤s4中,分别计算所述建筑现状图像和所述过程效果图的分数...
【专利技术属性】
技术研发人员:刘溪,张天奇,吴冠华,张帷重,
申请(专利权)人:同济大学建筑设计研究院集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。