典型文献
机器学习视野下基于居民偏好的街道风格生成方法研究
文献摘要：
街道空间是居民公共生活的载体.随着大数据及机器学习等人工智能形式与多学科联动的快速发展,生成对抗式神经网络研究在建筑与城市领域逐渐成为新热点.机器学习中的深层生成模型能够学习解读数据并自主生成设计,为解决居民对街道景观的需求与实际建设之间的差异问题提供新视角.提出以居民喜好为基准生成街道风格的方法,即利用基于条件生成对抗式神经网络的"图像对图像的风格转译"框架,将二维风格图片与三维建筑形体设计关联后建立可实时反馈的街道改造可视化平台,可在改变建筑模型的高度和形态的同时,根据居民偏好自主生成街道风格.这一机器学习对街道风格生成的应用可帮助使用者设计和评估城市街道设计方案,为街道空间和建筑形态设计提供重要依据.
文献关键词：
机器学习;居民偏好;生成对抗式神经网络;街景图像生成;风格迁移
中图分类号：
作者姓名：
王浩翼;杨钧然;吴子悦;张烨
作者机构：
天津大学建筑学院 天津,300072;湖北工业大学土木建筑与环境学院 武汉,430068
文献出处：
引用格式：
[1]王浩翼;杨钧然;吴子悦;张烨-.机器学习视野下基于居民偏好的街道风格生成方法研究)[J].新建筑,2022(06):19-24
A类：
生成对抗式神经网络,街景图像生成
B类：
居民偏好,生成方法,街道空间,公共生活,多学科联动,建筑与城市,生成模型,够学,读数据,自主生成,生成设计,街道景观,喜好,条件生成对抗,转译,建筑形体,实时反馈,街道改造,可视化平台,建筑模型,城市街道设计,建筑形态设计,风格迁移
AB值：
0.318786
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
