Forwarded from ИИ и роботы в стройке
Ликбез по ИИ: как работают генеративно-состязательные сети (GAN) в архитектуре
... изучаю нейросети в архитектуре, буду иногда делиться с вами теорией, от простого в глубины
Генеративно-состязательная сеть (GAN) — это архитектура глубокого обучения, которая состоит из двух нейросетей, обучающихся совместно в виде состязательной игры:
⚫️ Генератор (Generator, G) создаёт данные на основе случайного шума — например, изображения, планы, карты. Генератор постепенно обучается создавать всё более реалистичные и правдоподобные архитектурные данные, которые должны «обмануть» дискриминатор.
⚫️ Дискриминатор (Discriminator, D) — это нейросеть-классификатор, которая оценивает как реальные данные, так и данные, созданные генератором. Он пытается определить, какие данные являются настоящими, а какие — подделками.
Состязательный процесс обучения
⚫️ Генератор пытается создавать данные, которые дискриминатор примет за реальные.
⚫️ Дискриминатор учится всё лучше распознавать подделки генератора.
⚫️ Этот процесс — игра с нулевой суммой — продолжается до тех пор, пока генератор не научится создавать очень реалистичные архитектурные объекты. В ходе обновляются веса обеих сетей.
Особенности архитектурных GAN
⚫️ Учет пространственных и семантических особенностей: архитектурные данные имеют сложную структуру — например, планы должны соответствовать строительным нормам, фасады — быть связаны с конструкцией здания. Поэтому в генератор и дискриминатор часто включают сверточные слои (CNN), которые хорошо работают с изображениями и пространственными данными.
⚫️ Использование условных GAN (Conditional GAN): чтобы генерировать планы с заданными параметрами (например, этажность, площадь, функциональное назначение), к генератору и дискриминатору подают дополнительные условия.
Пример работы GAN для архитектуры
⚫️ На вход генератору подается случайный вектор шума и, возможно, условие (например, тип здания).
⚫️ Генератор создает изображение плана или фасада.
⚫️ Дискриминатор оценивает, насколько изображение реалистично, выдавая вероятность «настоящести».
⚫️ Ошибка дискриминатора используется для обновления его весов, а также для обратного распространения ошибки в генератор, чтобы улучшить качество генерации.
Итог
В архитектуре GAN позволяют создавать новые архитектурные объекты и планы, которые выглядят реалистично и соответствуют заданным параметрам. Состязательное обучение генератора и дискриминатора обеспечивает непрерывное улучшение качества генерации.
За счет использования сверточных слоев и условных входов GAN адаптируются под сложные архитектурные данные — планы, фасады, 3D-модели, карты зонирования.
В следующий раз сделаю подборку GAN.
... изучаю нейросети в архитектуре, буду иногда делиться с вами теорией, от простого в глубины
Генеративно-состязательная сеть (GAN) — это архитектура глубокого обучения, которая состоит из двух нейросетей, обучающихся совместно в виде состязательной игры:
Состязательный процесс обучения
Особенности архитектурных GAN
Пример работы GAN для архитектуры
Итог
В архитектуре GAN позволяют создавать новые архитектурные объекты и планы, которые выглядят реалистично и соответствуют заданным параметрам. Состязательное обучение генератора и дискриминатора обеспечивает непрерывное улучшение качества генерации.
За счет использования сверточных слоев и условных входов GAN адаптируются под сложные архитектурные данные — планы, фасады, 3D-модели, карты зонирования.
В следующий раз сделаю подборку GAN.
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡6❤1👍1
Forwarded from Data Secrets
О, Kaggle объединились с OpenAI и запускают конкурс по нахождению ранее неизвестных человечеству археологических объектов
Это, кстати, первое в истории Kaggle ключевое соревнование, то есть оно будет специально выделено как главное на платформе. Призовой фонд – 400 тысяч долларов, за первое место заплатят $250,000 (правда наличными только половину, остальное кредитами OpenAI).
Задача – взять открытые данные со спутниковых снимков и карт + любую модель от OpenAI и предложить пайплайн, который сможет выявлять наличие археологических объектов. Если среди найденных объектов окажутся те, которых нет в существующих базах данных, то можете рассчитывать на приз.
Для трушных Индиан Джонсов
www.kaggle.com/competitions/openai-to-z-challenge/
Это, кстати, первое в истории Kaggle ключевое соревнование, то есть оно будет специально выделено как главное на платформе. Призовой фонд – 400 тысяч долларов, за первое место заплатят $250,000 (правда наличными только половину, остальное кредитами OpenAI).
Задача – взять открытые данные со спутниковых снимков и карт + любую модель от OpenAI и предложить пайплайн, который сможет выявлять наличие археологических объектов. Если среди найденных объектов окажутся те, которых нет в существующих базах данных, то можете рассчитывать на приз.
Для трушных Индиан Джонсов
www.kaggle.com/competitions/openai-to-z-challenge/
👍5⚡3
Forwarded from Нейросеть
1. Сохраняем пример иконок со второго изображения, кидаем их в ChatGPT и пишем промпт:
Generate an icon of a [тут описываем объект] in this style
2. Когда бот сгенерит картинку, по необходимости пишем промпты для доработки. Например, для кофемашины замена чайника на кружку выглядит так:
Swap the coffee pot out for an empty glass coffee cup
3. Идем в Runway, закидываем туда полученное изображение и текстом описываем анимацию. Например, для кофемашины, наливающей в чашку кофе, промпт такой:
The coffee maker fills the coffee cup with coffee. The scene ends with the coffee maker stopping and the cup being almost full.
Диджитальная
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤2⚡1
⚡9❤🔥5👍5❤1🦄1
Forwarded from Просмотр
План на AI
Вчера в A House состоялся круглый стол на тему внедрения нейросетей в рабочие процессы проектирования. У нейросетей по-прежнему много хайпа, но их использование в общей массе больше опциональное, чем стандарт работы архитектора в 2025 году. Плоское 2D-черчение никуда не делось даже в эпоху BIM. В моем ремесле мастер-планов нейросети используются разве что для визуализации, а планировки и зонирование выдавливают по-прежнему «руками» в кад комплексах. Мне, честно, очень хочется это изменить, так как человеческий фактор и временные затраты с каждым годом возрастают.
Нам всем очень нужен AI помощник планировщика.
Поэтому я пришел узнать последние разработки от ПИК Digital от Артура Ишмаева. На текущий момент команда Артура продолжает совершенствовать, пожалуй, самый передовой продукт в стране — “робот”, платформа R2. Некогда начавшаяся как написанная надстройка в Rhino Grasshopper для массинга, сегодня это огромный программный комплекс, большое десктопное приложение, которое имеет инструменты для проектирования на разных стадиях на всех циклах девелопмента.
Среди функций:
📍 Автоматическая генерация застройки — пришел заказчик, который позволит застроить участок с учетом всех норм;
📍 Проверка инсоляции и КЕО в реальном времени
Продвинутый калькулятор для подсчета мастер-плана;
📍 Колористика фасадов: подбор цветовой палитры и материалов для фасадов, расклад кирпича
📍 Моделирование видов из окна (особенно актуально на этапе продаж);
📍 Генератор качества отделки: анализ скана помещения с анализом качества отделочных работ через облако точек;
📍 Генератор планировочных решений — вот здесь эксперименты с ИИ прям очень нужны. Разместить нужную квартирографию в архитектурный обьем — настоящая боль, которую проходят архитекторы каждый проект; R2 призван облегчить и автоматизировать данный этап;
Так а что там с нейросетями? А с ними все хорошо — они вполне в рабочем состоянии уже интегрируются и используются командой , причем на разных стадиях. Используется как работа с изображениями, так и с 3D-моделями на основе текстовых, графических и других форм запроса. Мне лично особенно интересно познакомиться с 3D-моделями для возможного скульптинга застройки. Для этого команда обучает нейросети.
В общем, нейронки надо внедрять в свою деятельность, и я рад, что в компаниях есть люди, которые могут двигать прогресс.
➡️ Более подробно с последними новостями, экспериментами и внедрениями вы можете ознакомиться в канале у Артура, откуда я сам сохраняю себе инструкции.
Также в ближайшее время постараюсь поделиться подборкой нейронных сервисов для работы планировщика.
#мастерплан #нейросети
Вчера в A House состоялся круглый стол на тему внедрения нейросетей в рабочие процессы проектирования. У нейросетей по-прежнему много хайпа, но их использование в общей массе больше опциональное, чем стандарт работы архитектора в 2025 году. Плоское 2D-черчение никуда не делось даже в эпоху BIM. В моем ремесле мастер-планов нейросети используются разве что для визуализации, а планировки и зонирование выдавливают по-прежнему «руками» в кад комплексах. Мне, честно, очень хочется это изменить, так как человеческий фактор и временные затраты с каждым годом возрастают.
Нам всем очень нужен AI помощник планировщика.
Поэтому я пришел узнать последние разработки от ПИК Digital от Артура Ишмаева. На текущий момент команда Артура продолжает совершенствовать, пожалуй, самый передовой продукт в стране — “робот”, платформа R2. Некогда начавшаяся как написанная надстройка в Rhino Grasshopper для массинга, сегодня это огромный программный комплекс, большое десктопное приложение, которое имеет инструменты для проектирования на разных стадиях на всех циклах девелопмента.
Среди функций:
Продвинутый калькулятор для подсчета мастер-плана;
Так а что там с нейросетями? А с ними все хорошо — они вполне в рабочем состоянии уже интегрируются и используются командой , причем на разных стадиях. Используется как работа с изображениями, так и с 3D-моделями на основе текстовых, графических и других форм запроса. Мне лично особенно интересно познакомиться с 3D-моделями для возможного скульптинга застройки. Для этого команда обучает нейросети.
В общем, нейронки надо внедрять в свою деятельность, и я рад, что в компаниях есть люди, которые могут двигать прогресс.
Также в ближайшее время постараюсь поделиться подборкой нейронных сервисов для работы планировщика.
#мастерплан #нейросети
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡6❤5🔥5