文章信息：
Zheyuan Kuang, Jiaxin Zhang, Yiying Huang & Yunqin Li. (2023). Advancing Urban Renewal: An Automated Approach to Generating Historical Arcade Facades with Stable Diffusion Models. ACADIA2023 (EI会议).
论文摘要：
城市更新和转型过程强调需要保护历史城市结构，特别是在因其建筑和历史价值而著称的区域。这些地区由于其丰富的建筑风格，传统上都需要进行大量的初步研究，但这经常导致主观化的结果。然而，机器学习模型的出现为生成建筑立面图像创造了新的可能性。尽管如此，由于这些历史区的复杂性和多样性，为其翻新创建高质量的图像仍然具有挑战性。
为应对这些挑战，我们的研究提出了一种新方法，利用基于文本描述的稳定扩散模型自动生成传统骑楼立面的图像。通过对多种骑楼风格进行分类和标记，我们构建了多个逼真的骑楼立面图像数据集。我们训练了多个低秩适应（LoRA）模型来控制生成图像的风格，并结合ControlNet模型以增强其精确度和真实感。
我们的方法在生成图像的精确度、真实性和多样性方面均表现出色，为实际的城市更新项目展现了巨大的潜力。这种新的方法为城市更新中的传统设计方法提供了一个更为高效和准确的替代，能够避免图像细节不够说服力、缺乏精确性以及风格单一的问题。未来的研究可以考虑将这种二维图像生成技术与三维建模技术相结合，为历史街区的建筑立面翻新提供更全面的解决方案。
研究框架：
图1：方法流程图
结果：
图2：LoRA模型训练损失
讨论和结论：
我们的方法能够基于文本提示精确生成骑楼立面图像，具有高度的设计风格适应性和应用于城市历史街区翻新的潜力。
研究贡献包括：为早期设计提供高质量立面图像的新方法；允许建筑师有效实现设计目标；以及推动建筑师从设计者转变为创新者。
尽管研究有其局限性，但我们已认识到并正在寻找解决方案。同时，我们也意识到与此相关的伦理问题，如模型可能导致的历史误解。未来，我们计划进一步扩展研究，将二维图像转化为三维模型。