机构名称：
¥ 1.0
最近，生成式机器学习模型的输出质量得到了一定程度的提高，开辟了新的使用途径。这种质量的提高导致了商业生成平台的出现，用户可以在其中创建任意的文本和图像提示，以便快速生成大量图像。这些图像有时用作完成的创意结果，有时用作进一步手动编辑或设计构思的基础。从手动草图到图像编辑器和 3D 渲染，各种传统的可视化方法每天都在建筑设计中使用。建筑师很快就对生成方法产生了兴趣，正如 AEC 杂志 (2022) 的特别版所反映的那样。这项新技术在公众中得到了广泛讨论，从其具体用例到其开发方式的伦理以及它将带来哪些变化。在本文中，我们希望利用 Midjourney 平台的开放性以定量方式分析当前的建筑用例和功能。我们通过多种方法分析了 5800 万个查询，包括 word2vec 等 NLP 方法。我们考虑了这些模型背后的相关技术部分，并将研究它们如何使现在和将来的建筑师受益。图像生成模型的当前技术基础是所谓的扩散方法。Sohl-Dickstein 等人（2015 年）首次引入了正向扩散，它会逐步破坏图像中的结构化信息，而反向扩散则试图重新生成丢失的信息。然而，由于原始图像信息已被破坏，反向扩散至少部分起作用
分析人工智能艺术工具的使用情况......
主要关键词
相关文件推荐
