建筑数字底层模式的革新——小库科技ABC智能云模助力新型建筑工业化

2020年9月,住建部发布了《关于加快新型建筑工业化发展的若干意见》,建筑业正向着新型建筑工业化加速迈进。笔者从行业实践角度出发,介绍实践载体小库科技提出的建筑底层模式及相应的工作模式。为推进建筑工业化、数字化、智能化升级,小库自研建筑数字化新底层模式——智能云模,智能云模具有“数—模—规”一体联动的特性,能够优化现有的生产作业模式,进一步促进建筑产业升级。

生成式人工智能在建筑设计领域的探索——以小库AI云为例

以小库AI云为例,探讨其如何整合生成式人工智能技术,并介绍平台灵感创作、模型训练、共享社区和智能工作流。灵感创作使用大模型生成设计灵感图像,模型训练则支持用户训练专属模型,共享社区允许用户分享作品促进虚拟社区交流,而智能工作流试图集成语言模型实现对话式交互设计。

深度学习在城市感知的应用可能——基于卷积神经网络的图像判别分析

作为人工智能领域的研究重点,机器学习近年衍生出了各式各样的智能化应用,例如图像判别、语音助手和智能翻译等。尤其是图像判别技术已在各行业进行了大量的研究和实践,城市领域也不例外,这很大程度上是因为深度学习的卷积神经网络在计算机视觉领域取得了令人瞩目的成果。这也使得训练计算机判别建筑风格、城市肌理等城市特征的准确率大幅提升。本研究立足于深度学习图像判别技术,探索卷积神经网络在城市感知方面的应用。鉴于直接利用现成开源的带标签图像数据集训练个性化图像判别模型可能带来局限性和误差,本研究探索了从收集数据到自定义训练数据集,到搭建满足特定需求的图像判别模型的整体流程,并通过三个实验案例:城市风貌分析、城市问题侦测和城市肌理评估,阐明深度学习在城市感知和城市规划中的应用可能性及潜力。