18、建筑场景日夜转换与多面体结构设计偏好预测技术解析

建筑场景日夜转换与多面体结构设计偏好预测技术解析

在建筑设计和图像处理领域，有两项关键技术备受关注，一项是建筑场景的日夜转换技术，另一项是通过机器学习预测多面体结构设计偏好的方法。下面将详细介绍这两项技术的原理、实现步骤和应用效果。

建筑场景日夜转换技术

算法步骤

1. 特征图拼接 ：将 $M_L^S$、$M_L^R$ 与 VGG19 提取的特征图 $F_L^S$、$F_L^R$ 在每个通道上进行拼接，生成新的特征图 $F_{ML}^S$ 和 $F_{ML}^R$，尺寸均为 (224, 224, 64 + 150)。
2. 特征图替换 ：用 $F_{ML}^S$ 和 $F_{ML}^R$ 替换 $F_L^S$ 和 $F_L^R$，以建立源图像（S）和参考图像（R）之间的映射。

在使用预训练语义分割模型处理图像时，并非所有通道的结果都适合应用场景，因为不同通道可能代表相同内容。因此，建议手动调整（合并或舍弃某些通道）语义分割模型的输出，以获得更好的性能。除了使用预训练模型，用户还可以利用满足特定应用需求的自训练语义分割模型，为颜色转移过程提供指导。

算法实现方案

完整算法基于 He 等人的渐进式颜色转移算法和提出的特征增强技术。为提高转移速度，改进算法取消了从第 5 层到第 1 层的循环，仅在一层执行最近邻场（NNF）搜索和局部颜色转移。将层值初始化为 1 到 5 之间的特定数字，测试结果表明第 1 层性能最佳，因为该层图像分辨率最高。为了建立更准确的 S 和 R 之间的对应关系，可以选择聚类或语义分