从提示到结构：知识驱动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，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

大型语言模型（LLMs）的最新进展为将自然语言交互与程序化内容生成（PCG）相结合开辟了新的机遇。然而，遗产建筑建模不仅仅需要语法有效的参数生成，因为所生成的形体必须遵循以历史为依据的建造规则、构件依赖关系以及可执行的资产约束。本研究以清代官式木构建筑为案例，提出了 Prompt-to-Structure（提示到结构），一个基于知识的框架，可将自然语言生成意图转化为最小化、可执行的过程化规范。该框架整合了从建筑典籍与学术研究中提取的参考语料库、编码建筑规则与适用性约束的领域知识图谱，以及带有元数据索引的3D构件库。给定用户提示后，检索增强的锚定支持规范生成，而确定性验证与构件解析确保所生成的参数能够在Blender中进行过程化实例化。实验表明，与无引导的LLM基线相比，完整的流程在保持语义对齐和可靠的过程可执行性的同时提高了规则合规性。这些结果证明了在历史约束下，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 生成摘要（实验性）

本摘要由自动化工具生成，未经文章作者撰写或审核。本摘要旨在支持内容发现，帮助读者评估相关性，并协助来自相邻研究领域的读者理解该工作。本摘要旨在补充作者提供的摘要，后者仍为论文的主要摘要。全文仍为权威的版本记录。点击此处了解更多。

点击此处对本摘要的准确性、清晰度和实用性进行评论。这样做将有助于改进并生成未来版本。

要查看此AI生成的通俗语言摘要，您必须拥有高级访问权限。