技术特征：
1.一种基于条件卷积的建筑布局生成方法，其特征在于，包括以下步骤：获取建筑布局图，对所述建筑布局图进行预处理，编码器根据预处理后的建筑布局图获取低维噪声；将建筑边界图输入生成器，根据建筑边界图获取条件卷积核；在生成器中，将低维噪声与条件卷积核进行条件卷积运算，直到生成的建筑布局设计图。2.根据权利要求1所述的一种基于条件卷积的建筑布局生成方法，其特征在于，所述建筑布局图ir为色块图，建筑布局图ir中采用不同颜色来表示不同房间区域；所述获取建筑布局图，对所述建筑布局图进行预处理，编码器根据预处理后的建筑布局图获取低维噪声z，包括：将所述建筑布局图ir按照预设比例进行伸缩，并进行张量化和归一化操作，获得预处理后的建筑布局图；将预处理的建筑布局图输入编码器e，计算获得预处理建筑布局图的噪声均值mean和偏差var；将噪声均值mean和偏差var进行重参数化，获得低维噪声z；编码器e的输入输出公式如下：z＝e(i
r
)式中，i
r
为真实建筑布局图，z为噪声。3.根据权利要求1所述的一种基于条件卷积的建筑布局生成方法，其特征在于，所述将建筑边界图输入生成器，根据建筑边界图获取条件卷积核，包括：在生成器g中，采用下采样的降维卷积网络提取建筑边界图ib的特征信息，获得不同尺度的特征图；采用跳接层和上采样的二维卷积层，将建筑边界图ib的特征图采样为条件卷积核k
cc
；其中，条件卷积核k
cc
作为生成器g的调制信息。4.根据权利要求1所述的一种基于条件卷积的建筑布局生成方法，其特征在于，所述将低维噪声与条件卷积核进行条件卷积运算，直到生成的建筑布局，包括：采用线性层对低维噪声z进行预处理，以使低维噪声z的张量的形状符合图像数据类型；将预处理后的低维噪声z和条件卷积核k
cc
进行条件卷积运算，经过上采样卷积层进行高宽的扩展，重复该过程预设次数，直到生成等同于建筑约束大小的建筑布局设计图io。5.根据权利要求4所述的一种基于条件卷积的建筑布局生成方法，其特征在于，所述将预处理后的低维噪声z和条件卷积核k
cc
进行条件卷积运算，包括：采用条件卷积模块，将预处理后的低维噪声z和条件卷积核k
cc
进行条件卷积运算；其中，条件卷积的计算公式如下：其中，条件卷积的计算公式如下：在每一个条件卷积模块中，输入特征i通过卷积运算得到输出特征o，m为中间值，其中i
∈r
c
×
h
×
w
、o∈r
d
×
h
×
w
；其中c为输入特征的通道数，d为输出特征的通道数，h和w分别是输入特征的高和宽；i和j分别表示输入特征i上的高和宽的坐标，数值范围分别在0至h和0至w之间；k为卷积核大小；k
cc
为条件卷积核，k
p
为点状卷积核；生成器g的输入输出公式如下：i
o
＝g(z,i
b
)式中，i
o
为输出图像，z为噪声，i
b
为建筑边界图。6.根据权利要求1所述的一种基于条件卷积的建筑布局生成方法，其特征在于，所述建筑布局生成方法还包括模型训练步骤：在训练过程使用一个基于注意力机制的多尺度鉴别器，注意力模块用于同时提取空间注意力权重和通道注意力权重，同时鉴别器中添加了一个残差结构用于跳接；鉴别器中注意力模块的计算公式如下：a
c
＝σ(mlp(max
c
(i))+mlp(avg
c
(i)))式中，输入的特征映射i，i∈r
c
×
h
×
w
；输出的特征映射为o,o∈r
c
×
h
×
w
；通道注意力权重a
c
∈r
c
×1×1，而空间注意力权重a
s
∈r1×
h
×
w
；σ表示sigmoid激活函数；式中max
c
表示最大池化操作，avg
c
表示平均池化操作，max
s
表示通道维度上的最大值计算操作，avg
s
表示通道维度上的均值计算操作；mlp为多层线性运算操作，表示按位乘，conv表示卷积操作；鉴别器d的输入输出公式为：l
hinge
＝d(i
dis
,t)式中，i
dis
为要鉴别的图像，鉴别为真实布局图i
r
或生成图像i
o
；t为布尔值，为鉴别器判别为真或假的目标；输出的l
hinge
为损失值。7.根据权利要求6所述的一种基于条件卷积的建筑布局生成方法，其特征在于，生成器使用三种损失函数进行训练，分别为损失函数l
l1
、l
vgg
和l
dis
；损失函数l
l1
是将真实图像和生成器生成的图像分别在鉴别器得到降维特征进行l1损失的计算；损失函数l
vgg
是将真实图像和生成器生成的图像在已训练好的预设网络上进行特征提取，对提取的特征进行l1损失的计算；损失函数l
hinge
是将生成器生成的图像经过鉴别器进行降维，与鉴别器判定为正确的结果进行损失的hinge计算；生成器的损失函数的表达式如下所示：l
g
＝l
l1
(d(i
r
,i
b
),d(g(e(i
r
),i
b
),i
b
))+l
vgg
(i
r
,g(e(i
r
),i
b
))+l
hinge
(d(g(e(i
r
),i
b
)),true)式中，d为鉴别器，g为生成器，e为编码器，i
r
为建筑布局图，i
b
为建筑边界图，true表示布尔值真。8.根据权利要求6所述的一种基于条件卷积的建筑布局生成方法，其特征在于，基于注意力机制的鉴别器使用真实图像和生成图像同时进行辨别，与生成器进行对抗训练，鉴别器的损失函数为：l
d
＝l
hinge
(d(g(e(i
r
),i
b
)),false)+l
hinge
(i
r
,true)
式中，d为鉴别器，g为生成器，e为编码器，i
r
为建筑布局图，i
b
为建筑边界图，true表示布尔值真，false表示布尔值假。9.一种基于条件卷积的建筑布局生成装置，其特征在于，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现权利要求1-8任一项所述方法。10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-8任一项所述方法。
技术总结
本发明公开了一种基于条件卷积的建筑布局生成方法、装置及介质，其中方法包括：获取建筑布局图，对所述建筑布局图进行预处理，编码器根据预处理后的建筑布局图获取低维噪声；将建筑边界图输入生成器，根据建筑边界图获取条件卷积核；在生成器中，将低维噪声与条件卷积核进行条件卷积运算，直到生成的建筑布局设计图。本发明使用基于条件卷积的方法来进行建筑布局生成，将建筑边界图添加进条件卷积做调制信息，提高生成的建筑布局图质量，更好地满足建筑布局规范。本发明可广泛应用于建筑布局设计和图像自动生成的交叉领域。计和图像自动生成的交叉领域。计和图像自动生成的交叉领域。
技术研发人员：朱星 梁凌宇 邓巧明 刘宇波
受保护的技术使用者：华南理工大学
技术研发日：2022.10.27
技术公布日：2023/2/3