2

Bridging BIM and AI

将BIM数据转换为图结构数据，以便AI学习3D模型的一种编码方法。利用变分图自编码器（VGAE）的图重建能力对BIM数据进行无监督学习，以确定合适的编码方法。VGAE的图生成能力还可以推理空间布局。

Bridging BIM and AI： A Graph-BIM Encoding Approach  For Detailed 3D Layout Generation Using Variational Graph  Autoencoder  

Liang, J., Zhong, X., Koh, I., CAADRIA Accepted

提出了一个基于变异图自动编码器（VGAE）的三维建筑生成框架Building-VGAE。该框架能够根据设计约束和建筑体量，生成包含详细建筑构件和分层结构信息的三维模型。VGAE 模型可以学习数据的特征，并预测节点和边所属的建筑构件类别。

Building-VGAE： Generating 3D detailing and layered building models from simple geometry

Liang, J., Zhong, X., eCAADe 2024 Accepted

介绍一种新颖的三维建筑生成代理框架：Building-Agent，它结合了大型语言模型的决策能力和图神经网络（GNN）的推理能力。它能准确预测不同的场地布局结果，并实现较高的任务完成率的同时，还允许通过多步骤自然语言指令进行交互式三维建筑布局迭代。

Building-Agent： A 3D generation agent framework integrating large language models and graph-based 3D generation mode

Liang, J., Zhong, X., eCAADe 2024 Accepted

使用生成对抗网络（GAN）和扩散模型，探讨了美食与建筑的联系。这项研究没有使用文本输入提示来生成建筑图像，而是将其与食物词汇相结合，从而挖掘它们在融合各自概念和形式特征方面的潜力。

AI-Bewitched Architecture of Hansel and Gretel： Food-to-Architecture in 2D & 3D with GANs and Diffusion Models 

Koh, I., D. Reinhardt, M. Makki, M. Khakhar, N. Bao, CAADRIA 2023

通过实现StyleGAN2模型，在没有条件输入的情况下生成合理的建筑立面图像。通过应用GANSpace分析潜在空间，可以控制生成的图像和训练集外的新图像的高级属性。最后，利用图像嵌入和PCA投影方法对生成控制过程进行可视化，实现生成图像的无监督分类，有助于理解图像与其潜在向量之间的相关性。

Exploring in the Latent Space of Design：A Method of Plausible Building Facades Images Generation, Properties Control and Model Explanation Base on StyleGAN2  

Meng, S., 2021 DigitalFUTURES

通过研究三个基于像素的项目，强调了在做出不同的概念选择时，协作创意的不同结果和潜力。将二维像素项目的原则扩展到基于三维体素的参与式数字建筑框架，展示了战略性概念决策在塑造集体形式实现过程中的重要性。

Decentralized Participation and Agency in Digital Art and Architecture, An Exploration of  Pixel and Voxel-Based Case Studies 

Grasser, A., eCAADE 2023

ReShape，一个由无人飞行器（UAV）蜂群技术支持的数字物理空间表示系统，允许用户投射自己未建造的设计，并在真实空间中与之互动，而无需通过头戴式耳机、固定相机或屏幕进行连接。可由用户的口令和手势作为输入进行控制，无人飞行器在空间中的空间排列提供实时反馈，并通过计算模拟进行增强。

RESHAPE Rapid forming and simulation system using unmanned aerial vehicles for architectural representation.    

Lin, X., Rizal M.,2021 DigitalFUTURES

提出了一种结合风能、太阳能分析、进化算法和机器学习的新工作流程。该流程首先利用进化算法将设计师意图与能源模拟结合，生成优化建筑体量；然后训练机器学习模型重新映射设计师意图和建筑布局。

A “Designer-centric” Framework for Building Massing Optimisation 

Tan, C. & Ying, D. eCAADe2024