罗嘉宁与余博远的生成式建筑立面研究
香港的快速城市化导致历史与现代建筑风格混杂，街区视觉认同感常显割裂。罗嘉宁与余博远的项目《基于Pix2Pix GAN的香港生成式建筑立面》，通过深度学习技术提出了一种解决方案：利用生成对抗网络（Pix2Pix GAN）自动生成与香港城市环境协调的建筑立面，以平衡新建、改造与既有街区风貌的关系。
从输入到生成输出的工作流程
研究基础
罗嘉宁与余博远的研究首先构建了一个包含160张香港旧街区立面图像的定制数据集。这些通过谷歌地图和历史摄影收集的图像，被手动处理为位图标签图，采用简化的色彩编码系统标注窗户、阳台、招牌、墙体等关键建筑元素。每张图像均经过对齐、归一化和256×256像素的尺寸调整，以优化训练条件。
建筑标签图像中的色彩分类系统
PIX2PIX生成对抗网络
设计流程的核心是条件生成对抗网络（cGANs），特别是Pix2Pix架构。研究采用基于U-Net的生成器，对32组数据对进行测试，并通过数据增强技术提升模型鲁棒性。测试显示，AI生成的立面高度还原了香港本土建筑特征，如多样化的窗户布局、楼层划分和临街商铺立面。
数据增强技术示例
尽管真实立面的反光和风化效果对模型构成挑战，但生成结果仍保留了核心构图逻辑，并提供了更简洁、风格化的替代方案，适用于高密度城市环境中的早期设计探索与立面更新。该方法不仅有助于保护历史街区的建筑遗产，还能减少传统立面分析的主观性与人力成本。
训练完成的模型可作为建筑师与规划师的生成式设计工具，为城市更新和填充开发提供快速、可扩展且数据驱动的立面提案。未来研究将扩展数据集、优化标注方法，并探索与3D扫描技术的结合，以提升精度与应用范围。
生成器结构示意图
测试结果对比
生成器与判别器的训练过程
发生器和鉴别器的损耗值
现有建筑和自动生成的建筑输出
精选文章：