![]()
科研培训
Recruitment of trainees for the AI space design research training program
# 1 项目介绍
# 2 研究方向参考
#3 导师团队
时代在变化,你是否也对AI空间生成、人工智能、机器学习等等这类新兴技术非常感兴趣呢?
不仅是兴趣, 你还想好好研究它,并且利用它生成更为震惊的作品!
但你可能只是停留在利用现成的chat gpt了浅显的问答生成，也不可能一直利用某站学习零散的基础知识，奈何一直找不到一个合适的入门途径，好的团队。
现在,机会来了!! 加入专业团队实验室, 一班青年科学家带领你做研究!
Dr. Section 联合 初创科技企业独立实验室Cassini Lab
推出产业科研一体化培训项目
培训包括：
AI 空间理解与生成、计算机技术学习和数据分析、高水平论文研究与撰写...
为感兴趣AI空间理解、空间生成、人工智能和机器学习等领域的同学
提供从零基础接触全新研究领域的宝贵机会!!！
Dr. Section 联合初创科技企业独立实验室Cassini Lab推出产业科研一体化培训项目我们汇集了一群来自全球顶尖大学的不同学科的青年科学家，共同致力于：AI空间理解、空间生成、人工智能、机器学习等领域的关键问题研究。“Do something! Stop talking!”是我们的实验精神。在项目中，我们将带领同学通过实际操作、实验和数据分析解决问题，推动新技术和新产品的研究与发展。
需要 海外全奖博士申请 | 转码技术学习 | SCI论文发表 | 需要学术背景提升…
最重要的一点，你对于AI空间设计充满了太多的好奇，想带着这份热情一步步推动研究。
- 多学科合作：加入由不同学科背景的海外顶尖博士组成的团队，共同探索前沿科技问题。
- 实践与应用：通过实际操作、实验和数据分析解决问题，积累丰富的科研经验。
- 前沿技术：掌握AI、机器学习、生成对抗网络等前沿技术在建筑及城市规划的应用，了解如何实现科研成果与商业产品结合实现产学研一体化。
- 论文发表：参与高水平论文的研究与撰写，丰富学术成果。
- 完成一份基于研究项目课题的学术报告或Writing Sample，并结合自身的职业/学业规划，在导师指导下修改至符合学术投稿要求的论文，投稿至SCI、SSCI、国际顶级会议等高水平期刊；参与对外会议宣讲等协办的作者活动，丰富自身履历与成果。
- 获得导师/实验室签发的推荐信或其他推荐形式、科研实习证明等，提升学员在未来申请海外全奖博士与就业等机会。
- 了解国内外最新的AI空间理解、空间生成、人工智能、机器学习等领域的核心研究及前沿技术，结合学术创新与商业应用。
- 系统性学习academic writing，掌握基本的科研方法与逻辑，学习该领域前辈的科研与写作经验。
- 除论文外，可根据学员需求，将项目成果修改提交至（发明）专利，或作为国内外竞赛项目、作品集项目等。
空间直觉的研究作品《Agent生成三维世界》，请看
Research Project References
Bridging BIM and AI
将BIM数据转换为图结构数据，以便AI学习3D模型的一种编码方法。利用变分图自编码器（VGAE）的图重建能力对BIM数据进行无监督学习，以确定合适的编码方法。VGAE的图生成能力还可以推理空间布局。
Bridging BIM and AI：A Graph-BIM Encoding Approach For Detailed 3D Layout Generation Using Variational Graph Autoencoder
Liang, J., Zhong, X., Koh, I., CAADRIA
Building-VGAE
提出了一个基于变异图自动编码器（VGAE）的三维建筑生成框架Building-VGAE。该框架能够根据设计约束和建筑体量，生成包含详细建筑构件和分层结构信息的三维模型。VGAE 模型可以学习数据的特征，并预测节点和边所属的建筑构件类别。
Building-VGAE：Generating 3D detailing and layered building models from simple geometry
Liang, J., Zhong, X., Koh, I., CAADRIA
Building-Agent
介绍一种新颖的三维建筑生成代理框架：Building-Agent，它结合了大型语言模型的决策能力和图神经网络（GNN）的推理能力。它能准确预测不同的场地布局结果，并实现较高的任务完成率的同时，还允许通过多步骤自然语言指令进行交互式三维建筑布局迭代。
Building-Agent : A 3D generation agent framework integrating large language models and graph-based 3D generation mode
Liang, J., Zhong, X., eCAADe 2024
Food-to-Architecture with GANs and Diffusion Models
使用生成对抗网络（GAN）和扩散模型，探讨了美食与建筑的联系。这项研究没有使用文本输入提示来生成建筑图像，而是将其与食物词汇相结合，从而挖掘它们在融合各自概念和形式特征方面的潜力。
AI-Bewitched Architecture of Hansel and Gretel：Food-to-Architecture in 2D & 3D with GANs and Diffusion Models
Koh, I., D. Reinhardt, M. Makki, M. Khakhar, N. Bao, CAADRIA 2023
StyleGAN2 Model for Facades
通过实现StyleGAN2模型，在没有条件输入的情况下生成合理的建筑立面图像。通过应用GANSpace分析潜在空间，可以控制生成的图像和训练集外的新图像的高级属性。最后，利用图像嵌入和PCA投影方法对生成控制过程进行可视化，实现生成图像的无监督分类，有助于理解图像与其潜在向量之间的相关性。
Exploring in the Latent Space of Design：
A Method of Plausible Building Facades Images Generation,
Properties Control and Model Explanation
Base on StyleGAN2
Meng, S., 2021 DigitalFUTURES
Decentralized Participation in Digital Art and Architecture
通过研究三个基于像素的项目，强调了在做出不同的概念选择时，协作创意的不同结果和潜力。将二维像素项目的原则扩展到基于三维体素的参与式数字建筑框架，展示了战略性概念决策在塑造集体形式实现过程中的重要性。
Decentralized Participation and Agency in Digital Art and Architecture, An Exploration of Pixel and Voxel-Based Case Studies
Grasser, A., eCAADE 2023
RESHAPE Rapid forming and simulation system
ReShape，一个由无人飞行器（UAV）蜂群技术支持的数字物理空间表示系统，允许用户投射自己未建造的设计，并在真实空间中与之互动，而无需通过头戴式耳机、固定相机或屏幕进行连接。可由用户的口令和手势作为输入进行控制，无人飞行器在空间中的空间排列提供实时反馈，并通过计算模拟进行增强。
RESHAPE Rapid forming and simulation system using unmanned aerial vehicles for architectural representation.
Lin, X., Rizal M.,2021 DigitalFUTURES
Building Massing Optimisation
提出了一种结合风能、太阳能分析、进化算法和机器学习的新工作流程。该流程首先利用进化算法将设计师意图与能源模拟结合，生成优化建筑体量；然后训练机器学习模型重新映射设计师意图和建筑布局。
A “Designer-centric” Framework for
Building Massing Optimisation
Tan, C. & Ying, D. eCAADe2024
AD-Urban-GAN
提出了⼀个堆叠的GAN模型框架，该框架通过使⽤建筑师在解决特定设计任务时⽣成的数据来微调Urban-GAN，形成AD-Urban-GAN。增强了Urban-GAN在处理设计任务时的适应性和效率，提高了Urban-GAN模型针对特定城市设计任务的可定制性。
A Framework for Fine-tuning Urban Gans Using Design Decision Data Generated by Architects through Gans Applications
Zhong, X., Liang, J., & Fricker, P. D. P.,
Liu, S., CAADRIA
Urban Layout Process
提出一种基于规则的生成对抗网络（GAN）工作流程，用于自动选择和标记城市数据集，以训练定制的GAN模型，从而生成城市布局方案。通过标记训练（GAN）模型使机器能够学习城市形态特征和城市布局逻辑。
A Discussion on an Urban Layout Workflow Utilizing Generative Adversarial Network (GAN) - With a focus on automatized
labeling and dataset acquisition
Zhong, X., Fricker, P., Yu, F., Tan, C. &
Pan, Y., eCAADe 2022
MARL for Urban Building Energy Modeling
提出并研究了一种多尺度原型表示学习方法（MARL）。
MARL基于VQ-AE构建，对建筑覆盖区进行编码，并将几何信息纯化为受多个建筑下游任务约束的潜在向量。它具有对不同建筑占地面积大小的适应性，跨多尺度区域自动生成的能力，以及跨社区和当地生态的几何特征的保留等优势。
MARL: Multi-scale Archetype
Representation Learning
for Urban Building Energy Modeling
Zhuang, X., Huang, Z., Zeng W., Caldas, L.,
ICCV 2023
Automated Building Archetype Generation
提出了一个采用自监督学习的替代工具，将复杂的几何数据提炼成具有代表性的 locale-specific原型。培养一种新的范式与建筑环境的互动，结合当地参数进行定制社区层面的能源模拟。通过整合建筑围护结构特性并将文化粒度融入建筑原型生成过程中。
Encoding Urban Ecologies: Automated Building Archetype Generation through Self-Supervised Learning
for Energy Modeling
Zhuang, X., Huang, Z., Zeng W., Caldas, L. ACADIA 2023
CycleGAN
提出了一种基于循环生成对抗网络（cycleGAN）的不标记配对数据的深度学习模型训练方法。评估 pix2pix 模型（需要配对数据集）和 cycleGAN（不需要配对数据集）的结果和过程，并探讨了这两种 DL 模型与专业 CFD 软件的结果差异。结果表明，cycleGAN的精度与pix2pix一样。
A Rapid Wind Velocity Prediction Method in Built Environment
Based on CycleGAN Model
Tan, C. & Zhong, X., CDRF 2022
Landscape Form-finding
AI as a Collaborative Partner in Landscape Form-finding
Tan, C., Zhong, X., Fricker, P., DAL 2024
更多研究方向选择：
Metaverse with AI
Robust Digtal–Twim
3D - Diffsion
![]()
更多科研培训项目详情，或者你对哪些AI技术感兴趣。
欢迎在文末联系DrSection质控老师，一起交流。
Introduction of the mentor team
Do something! Stop talking!
面对新技术，新产品，我们不做“拍脑瓜”式的认知输出和争论，而是转身去实验、去解析、去阅读、去真正的合作、去探索，用数据进行论证，来交流产品问题的解决方案。
Mr.Zhong
芬兰 Aalto 大学 Ph.D. Researcher
西安建筑科技大学 建筑人工智能课程导师
新加坡SUTD博士访问学者
Microfeel空间直觉 CEO
发表论文 第一作者3＋篇
擅长领域：建筑人工智能\建筑科技Deep Learning和算法\传统形态学和先进数字建筑计算
...
Mr. Yu
芬兰 Tampere 大学
Ph.D. Researcher
Microfeel 空间直觉 CEO
Mr. Meng
奥地利 Innsbruck 大学
Ph.D. Researcher
AIGC 领先研究者
三维生成方向
Mr. Lin
英国 UCL 大学
Ph.D. Researcher
10+ 技术专利和顶级会议期刊
智慧城市 大尺度空间方向
Mr. Huang
UC Berkeley
FHL Vive Center Researcher
三维计算机视觉多模态方向
这样一群真正热爱研究，专注于真正的交流合作，找解决方案，极具开放性探索精神的先锋团队，汇聚专业资源，快来与我们 “搞事情，学技术，发论文”!
不要错过本次培训机会！
共同探索AI与空间设计的无限可能！
欢迎加入我们的科研课程培训。
扫码下方↓ 详细了解并参与前沿研究！
![]()
![]()
///
DrSection Lab
建立DN社区，专门为海内外doctoral research打造的学术交叉，研究和潜力项目的平台。专注于人工智能/机器学习/建筑类/艺术设计方向的申博与研究！
↓ 更多你想知道的Dr学术和资讯 欢迎点击以下 ↓
![]()
![]()
![]()
![]()
![]()
![]()
![]()
///
DrSection，将继续分享最新的建筑论文、人工智能研究
与更多的学术知识，
为有需要的小伙伴提供丰富的资源！
了解更多学术资料详情，
持续关注DrSection公众号！👇
