羅嘉寧與余博遠的生成式建筑立面研究
香港的快速城市化導致歷史與現代建筑風格混雜，街區視覺認同感常顯割裂。羅嘉寧與余博遠的項目《基于Pix2Pix GAN的香港生成式建筑立面》，通過深度學習技術提出了一種解決方案：利用生成對抗網絡（Pix2Pix GAN）自動生成與香港城市環境協調的建筑立面，以平衡新建、改造與既有街區風貌的關系。
從輸入到生成輸出的工作流程
研究基礎
羅嘉寧與余博遠的研究首先構建了一個包含160張香港舊街區立面圖像的定制數據集。這些通過谷歌地圖和歷史攝影收集的圖像，被手動處理為位圖標簽圖，采用簡化的色彩編碼系統標注窗戶、陽臺、招牌、墻體等關鍵建筑元素。每張圖像均經過對齊、歸一化和256×256像素的尺寸調整，以優化訓練條件。
建筑標簽圖像中的色彩分類系統
PIX2PIX生成對抗網絡
設計流程的核心是條件生成對抗網絡（cGANs），特別是Pix2Pix架構。研究采用基于U-Net的生成器，對32組數據對進行測試，并通過數據增強技術提升模型魯棒性。測試顯示，AI生成的立面高度還原了香港本土建筑特征，如多樣化的窗戶布局、樓層劃分和臨街商鋪立面。
數據增強技術示例
盡管真實立面的反光和風化效果對模型構成挑戰，但生成結果仍保留了核心構圖邏輯，并提供了更簡潔、風格化的替代方案，適用于高密度城市環境中的早期設計探索與立面更新。該方法不僅有助于保護歷史街區的建筑遺產，還能減少傳統立面分析的主觀性與人力成本。
訓練完成的模型可作為建筑師與規劃師的生成式設計工具，為城市更新和填充開發提供快速、可擴展且數據驅動的立面提案。未來研究將擴展數據集、優化標注方法，并探索與3D掃描技術的結合，以提升精度與應用范圍。
生成器結構示意圖
測試結果對比
生成器與判別器的訓練過程
發生器和鑒別器的損耗值
現有建筑和自動生成的建筑輸出
精選文章：