FreeLayout：面向自由形式平面图生成的自由范围多模态输入

《ADVANCED ENGINEERING INFORMATICS》：FreeLayout: Free range multi-modal input to free form floorplan generation

　　

建筑布局合成处于计算机视觉与生成设计的交叉领域，重点在于为早期规划提供交互式决策支持。在实际专业实践中，布局设计本质上是一个迭代过程。尽管现有的基于学习的方法已经开始支持从结构化提示、图和草图生成或编辑平面图，但在实际部署中仍面临三个主要差距。首先是自由形式几何问题，现有的许多基准和表示方法仍优先考虑网格对齐的正交布局，未能充分代表不规则的建筑面积和非曼哈顿的房间几何形状。其次是在部分和不断演变的输入下的可靠性问题，早期阶段的规范往往是不完整的，研究人员可能仅提供简短描述、几笔草图或不断演变的部分邻接图，而现有模型在这种欠指定条件下通常会退化。第三是结构与可编辑性问题，光栅化输出虽简化了学习但会模糊拓扑结构并妨碍精确控制。为了解决这些挑战，研究人员引入了FreeLayout，这是一个基于SDXL微调的自由形式整层布局生成框架，在统一的扩散流水线中集成了楼层级的公寓分割和公寓级的房间规划。该模型可接受结构化提示、部分布局图和共享画布上的手绘草图，并生成尊重不规则边界和不断演变约束的连贯布局。该模型基于SDXL并利用ControlNet进行空间条件控制，引入了可切换双模式扩散、动态掩码部分输入（DMPI）以及接地ControlNet训练等关键创新。研究人员在SwissDwellings和MSD等数据集上评估了该模型，结果表明其在不规则公寓和多户型楼层上表现出更强的边界意识、更连贯的组织结构以及对稀疏研究人员约束的更可靠对齐。

建筑布局合成处于计算机视觉与生成设计（Generative Design）的交叉领域，重点在于为早期规划提供交互式决策支持。在实际专业实践中，布局设计本质上是一个迭代过程，研究人员需要反复将早期概念细化为详细的平面图。尽管现有的基于学习的方法已经开始支持从结构化提示、图和草图生成或编辑平面图，但在实际部署中仍面临三个主要差距。首先是自由形式几何问题，现有的许多基准和表示方法仍优先考虑网格对齐的正交布局，未能充分代表不规则的建筑面积和非曼哈顿（Non-Manhattan）的房间几何形状；其次是在部分和不断演变的输入下的可靠性问题，早期阶段的规范往往是不完整的，研究人员可能仅提供简短描述、几笔草图或不断演变的部分邻接图，而现有模型在这种欠指定条件下通常会退化；第三是结构与可编辑性问题，光栅化（Rasterized）输出虽简化了学习但会模糊拓扑结构并妨碍精确控制。

为了解决这些挑战，研究人员引入了FreeLayout，这是一个基于SDXL微调的自由形式整层布局生成框架，在统一的扩散流水线（Diffusion Pipeline）中集成了楼层级的公寓分割和公寓级的房间规划。该模型基于SDXL并利用ControlNet进行空间条件控制，引入了可切换双模式扩散、动态掩码部分输入（DMPI）以及Grounded ControlNet训练等关键创新。研究人员在SwissDwellings和MSD等数据集上评估了该模型，结果表明其在不规则公寓和多户型楼层上表现出更强的边界意识、更连贯的组织结构以及对稀疏研究人员约束的更可靠对齐，这为早期建筑设计工作流提供了流畅的交互生成体验，并将生成结果与计算机辅助设计/建筑信息模型（CAD/BIM）导向的审查工作流相连接。该研究发表在《ADVANCED ENGINEERING INFORMATICS》上。

在关键技术方法方面，本研究基于SwissDwellings和MSD数据源提取楼层和公寓布局并进行样本队列来源标注。研究人员采用了基于SDXL的扩散主干网络，通过引入可切换双模式扩散在单一主干中实现楼层级和公寓级的层次化生成。提出了DMPI模块，将掩码结构化提示、部分图和草图融合为兼容CLIP的嵌入向量，以增强不完整规范下的鲁棒性。引入了基于注意力正则化的部分图-词元接地损失L_PGT对ControlNet进行接地训练，将结构化提示词元与部分图和边界隐含的空间区域对齐。最终构建了包含标准扩散去噪损失、DMPI掩码提示重建损失和接地控制损失的联合训练目标，并进行模型优化。

在研究结果方面，本研究得出了以下重要结论：

层次化生成与迭代定制：通过在楼层级和公寓级进行多模态条件输入的生成实验，结果表明模型支持可控的一对多生成。研究人员可以在稀疏的部分输入下探索多种布局方案，并通过渐进式添加、编辑或移除提示和点线索来细化设计，模型能够在探索性生成与受控细化之间平滑转换。

与代表性基线方法的比较：在RPLAN和SwissDwellings数据集上的定性比较表明，FreeLayout在仅边界输入和图条件输入下均能生成更完整且空间连贯的房间布局。相较于基线方法常出现的遗漏房间、断开空间和内部间隙等问题，该模型更好地保持了邻接关系和边界一致性，并在不规则形状布局中显著减少了尴尬的残留空间。

在不规则边界上的行为表现：通过在复杂自由形式 footprint 上的生成测试，结果表明模型生成的房间分区与倾斜和非正交的外边缘更自然地对齐。相较于规则化主导的方法，FreeLayout有效减少了尖锐的残留角落，在几何复杂条件下更好地保持了合理的流线和房间布置。

量化结果的讨论：在RPLAN等基准的定量评估中，FreeLayout在FID_img和KL散度等分布对齐指标上表现优异。在提供完整图条件时，该模型的准确率Acc_vec达到0.88，并在满足约束的中位数MedC_vec和方差VarC_vec上表现最佳，表明其能更一致地满足研究人员指定的约束。相关性分析显示，生成布局的新颖性Nov_vec与KL散度呈正相关，而与准确率呈弱负相关，表明在探索新配置与满足约束之间存在预期的权衡。

在讨论部分，研究人员总结了本研究的结论。FreeLayout作为一个层次化扩散框架，通过结合双模式主干、基于DMPI的条件控制和接地的ControlNet训练，在统一流水线中支持自由形式平面图的生成。该方法在可控性、不完整输入下的鲁棒性以及不规则布局生成质量上均表现出显著优势。同时，研究也指出当前存在的一些局限性并指明了未来方向：首先，模型目前仅接受结构化提示而未支持自然语言输入；其次，模型尚未显式整合跨越公寓的结构墙、垂直服务核心等更广泛的建筑级约束；第三，首次迭代中的层次化条件设定在实际操作中存在一定困难；最后，当前的3D重建流水线主要停留在Rhino几何层面，尚需更可靠的BIM兼容表示转换。未来的研究将致力于更直观的人机交互、跨公寓与全建筑约束的整合，以及生成式布局与结构化建筑知识和施工感知表示的紧密结合。