从提示到结构：基于知识的大语言模型辅助清代建筑程序化建模

《Journal on Computing and Cultural Heritage》：Prompt-to-Structure: Knowledge-Grounded LLM-Assisted Procedural Modeling of Qing Dynasty Architecture

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须拥有 Premium 访问权限。

了解更多登录

摘要

摘要

近期大语言模型（LLM）的进展为自然语言交互与程序化内容生成（PCG）的融合带来了新的机遇。然而，遗产建筑的建模不仅需要语法上有效的参数生成，所生成的形态还必须遵守以历史为依据的建造规则、构件之间的依赖关系以及可执行的资源约束。本研究以清代官式木构建筑为案例，提出了 Prompt-to-Structure——一个以知识为支撑的框架，将自然语言的生成意图转化为最小且可执行的程序化规范。该框架整合了源自建筑典籍与学术研究的参考语料库、编码了建筑规则与适用性约束的领域知识图谱，以及一个带有元数据索引的三维构件库。给定用户的提示词后，检索增强的知识 grounding 支撑规范生成，而确定性的验证与构件解析确保所生成的参数能够在 Blender 中被程序化地实例化。实验结果表明，与无引导的 LLM 基线相比，完整的流程在保持语义一致性和可靠的程序化可执行性的同时，提高了规则合规性。这些结果展示了在具备历史依据约束条件下，受限的 LLM–PCG 工作流在规则一致的遗产建筑生成与假设可视化方面的潜力。

AI 摘要

AI 生成的摘要（实验性）

本摘要由自动化工具生成，未经本文作者撰写或审阅。它旨在支持文献发现，帮助读者评估相关性，并协助相邻研究领域的读者理解该工作。它作为作者提供的摘要的补充，后者仍然是论文的主要摘要。完整文章仍是权威的版本记录。 点击此处了解更多。

点击 此处 就该摘要的准确性、清晰度和实用性发表评论。这样做将有助于推动改进及未来重新生成的版本。

要查看此 AI 生成的通俗摘要，您必须拥有 Premium 访问权限。