特斯联AI新打破进步共域空间办理价值

  方面，经过主动生成修建布局，规划师能够在前期阶段快速探究不同的规划的详细计划，进步规划功率和立异性；在方面，该技能能辅佐规划者生成契合特定要求的城市修建布局，考虑交通、美化、公共设施等多种要素；在方面，主动生成的布局图能够辅佐施工办理和监督，保证施工依照规划图纸做；在方面，灾祸发生后，可快速生成受损修建的布局图以协助救援人员更好地规划救援举动，评价结构稳定性，之于公域空间的办理有久远价值。

  图束缚的房子生成问题是一种运用图神经网络（GNNs）和生成对立网络（GANs）生成契合特定图结构束缚的房子规划或布局的问题。在修建和城市规划范畴，这种技能能用于主动生成满意特定功用和美学要求的房子规划。在该研讨项目中，邵岭博士及其团队提出了一种全新的Graph Transformer生成对立网络（GTGAN），以端到端的办法学习有用的图节点联系，以应对颇具挑战性的图束缚修建布局生成使命。

  ？Graph Transformer编码器：团队所提出的根据Graph Transformer的生成器包括一个全新的Graph Transformer编码器，该编码器在Transformer中结合了图卷积和自注意力机制，以模仿衔接和非衔接图节点的部分和大局交互。

  ？衔接和非衔接节点注意力机制：所提出的衔接节点注意力（Connected Node Attention, CNA）和非衔接节点注意力（Non-connected Node Attention, NNA）别离旨在捕获输入图中衔接节点和非衔接节点的大局联系。

  ？图建模模块：所提出的图建模块Graph Modeling Block, GMB）旨在运用根据房子布局拓扑的部分极点交互。

  ？根据节点分类的判别器：团队还提出了一种新的根据节点分类的判别器，以保存不同房子组件的高档语义和区别节点特征。

  ？根据图的循环一致性丢失：为保证实际和猜测图之间的相对空间联系，团队还提出了一种新的根据图的循环一致性丢失。

  ？自引导预训练办法：最终，团队提出了一种全新自引导预训练办法用于图表明学习。这种办法触及以较高的掩蔽份额（即40%）一起掩蔽节点和边，并运用非对称的图中心自编码器架构进行后续重建。

  该办法显着进步了模型的学习功率和速度。在试验阶段，团队在三个公共数据集上对GTGAN进行了测验，验证了其在房子布局生成、房子房顶生成和修建布局生成等使命中的有用性。经过客观的量化评分和片面的视觉真实性评价，证明了所提出办法相较于现存技能的优越性。