人工智能算法如何提升设计软件的效率？这是近几年业界的关注焦点，也是群核科技多年来的重点攻坚方向。

　　人工智能算法如何提升设计软件的效率？这是近几年业界的关注焦点，也是群核科技多年来的重点攻坚方向。在这一领域，群核科技的研究论文曾多次入选 SIGGRAPH Asia、CVPR、ECCV、BMVC 等国际学术顶会。

　　如今，群核科技在 AI 智能设计的方向上再获阶段性突破。近日，群核科技与美国宾夕法尼亚州立大学等学术机构与单位合作的一篇题为《End-to-end Graph-constrained Vectorized Floorplan Generation with Panoptic Refinement》的论文被 ECCV（欧洲计算机视觉大会）接收。作为计算机视觉三大顶会之一，本届 ECCV 论文总投稿数达到 5803 篇，而录取率仅为 28%，被称为「史上最火 ECCV」。

　　本篇论文中提出了一种新的深度学习模型，可以将建筑设计师常用的气泡图（bubble diagram）自动转化为多样平面户型布局（floorplans），从而实现用机器代替复杂、重复的软件操作过程，该研究将大幅提升设计生产力，为群核科技所在的大家居行业带来实际应用价值。

　　在房屋平面布局设计阶段，一种常见的流程是：设计师首先绘制「气泡图」来表达空间类型（客厅、卧室等）及其连接关系，然后将其转化为具体平面布局来收集用户反馈，再返回「气泡图」进行优化迭代。这个过程不但耗时，而且易出错。

　　为了优化这个过程，本篇论文提出了一种基于图神经网络（GNN）和自回归模型（Transformer）的网络结构，可以自动将「气泡图」转化成多种不同的户型布局，帮助设计师获取设计灵感，加速设计迭代流程，同时生成的户型更具合理性和多样性。

　　要想在下一波颠覆性技术浪潮占据潮头，业界的常识是，通常需要提前数年去投入和布局。因此，智能设计一直是群核科技重点持续投入的研究方向。除了深度学习与 AI 人工智能等领域，群核科技还重点关注数据集的研究开拓。众所周知，对于 AI 技术的研究，首先要有大量的数据积累。作为技术创新研究与应用的基础，群核科技已发布三大数据集, 其中 InteriorNet 数据集是全球最大室内场景认知深度学习数据集。

　　值得一提的是，本次被 ECCV 2022 接收的论文，其训练深度神经网络所用的数据集 RPLAN 也是来源于群核科技于 2019 在 SIGGRAPH Asia 会议中发表论文中开放的数据集。该数据集已成为学术界研究自动户型生成的标准数据集。

　　当然，对于人工智能的理解上，群核科技认为 AI 的终局不止于更好用、更低门槛的工具，它更是一种产业全新解题思路，去重塑产业。随着群核科技逐步从一个单一工具，历经全链路、全空间的布局，成为一个工业级云设计平台，AI 人工智能融合在群核科技平台和工具中的每一个功能「角落」，甚至从设计环节延伸到了生产对接、施工打通等中去。

　　公司地址：北京市朝阳区酒仙桥路4号751 D·Park正东集团院内 C8座105室 极客公园

上一篇:巨力索具股份有限公司2013年度报告摘要 / 下一篇:昌吉州阜康市供水能力提升建设项目—供水管网末梢提升改造建设项目（监理）