Генеративно-состязательная сеть как основа интеллектуальной модели формирования изображений архитектурных объектов заданного стиля по их текстовому описанию (КузГТУ, г. Кемерово, ТГАСУ, г. Томск)

   Актуальность тематики основывается на растущих темпах урбанизации и  цифровизации современного общества: чтобы идти в ногу со временем, архитектура градостроительства должна отвечать не только новейшим эстетическим требованиям, но и критерию скорости разработки проектов будущих зданий. Очевидно, что сократить время реализации проектов новых зданий возможно на основе внедрения современных информационных технологий в процесс разработки архитектурного концепта.

   Основной целью научной статьи является реализация модели машинного представления генерации изображений заданных пользователем архитектурных объектов выбранного стиля.

   Одной из вариаций подобной информационно-интеллектуальной системы является авторская модель машинного обучения, основанная на генеративно-состязательных нейронных сетях, которые открывают возможность генерации изображений здания выбранного архитектурного стиля на основе текстового описания пользователя.

   Вывод: рассматриваемая автоматизирующая система позволит существенно сократить временные, человеческие и денежные ресурсы, требуемые для разработки проекта будущего здания.

1. Campanario G. The urban sketching handbook: architecture and cityscapes: tips and techniques for drawing on location. Quarry Books. 2014. 112 с. ISBN 9781592539611.

2. Radford А., Srivastava A., Morcoç S.B. The elements of modern architecture: understanding contemporary buildings. Thames & Hudson. 2014. 344 с. ISBN 978-0500023624.

3. Bengio Y. Practical Recommendations for gradient-based training of deep architectures // Arxiv : [сайт]. doi: 10.48550/arXiv.1206.5533 (дата обращения: 28. 08. 2023).

4. Wolohan J.T. Mastering large datasets with Python. Manning Press. 2020. 312 c. ISBN 9781617296239.

5. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. Погружение в мир нейронных сетей. Санкт-Петербург : Издательский дом «Питер», 2018. 482 с. ISBN 978-5-496-02536-2.

6. Kopec D. Classic Computer Science Problems in Python. Manning Shelter Island. 2019. 201 c. ISBN 9781617295980.

7. Пылов П.А., Майтак Р.В., Дягилева А.В. Разработка интеллектуальных систем для обработки сигналов с датчиков давления. Москва ; Вологда : Инфра-Инженерия, 2023. 172 с. ISBN 978-5-9729-1594-1.

8. Abrahams S., Hafner D. TensorFlow for machine learning intelligence. Bleeding Edge Press. 2019. 245 с.

9. Аггарвал Ч. Нейронные сети и глубокое обучение: перевод с английского. Санкт-Петербург : ООО «Диалектика», 2020. 752 с. ISBN 978-5-907203-01-3.

10. Когалов Ю. Криминалисты назвали причину пожара в Нотр-Даме // RGRU.Российская газета : [сайт]. URL: https://rg.ru/2019/04/17/kriminalisty-nazvali-prichinu-pozhara-v-notr-dame.html (дата обращения: 08. 10. 2023).

11. Собор Парижской Богоматери восстановят благодаря игре Assassin’s Creed // Росбалт.RU : [сайт].URL: https://www.rosbalt.ru/world/2019/04/16/1776251.html (дата обращения: 08. 10. 2023).