我是一名資訊科學專業畢業的資訊管理碩士,專攻於生成對抗網路(GAN)與室內設計的融合應用。畢業後,我先後擔任前端和後端工程師,現在則是一名IT工程師,專責於系統的全棧開發和 LAMP 環境下的伺服器建置。我對探索新技術充滿熱情,將所有人當成學習的對象。
勇於嘗試、不怕困難,遇見困難我勇於承擔。
善於溝通、團隊合作,在學期間時常擔任團隊協調者。
夢想將設計融合資訊領域,共同創造美好新時代。
摘要:室內設計產業在現今來說是不可或缺的一塊產業許多時候客戶在裝潢住宅前會想預先看到自己房子內的真實樣貌此時室內設計業就會提供擬真圖提供給客戶作為參考,擬真圖是利用建模軟體所繪製出來的。而建模的步驟為先設計出一個平面,接著拉高成為一個素模,再將素模繪製出有材質、有顏色、有燈光的3D模型,最後再利用渲染軟體將3D模型渲染為3D擬真圖。但從素模到3D擬真圖的繪製過程中會花費大量的時間以及視覺化思考。隨著時間的發展,人工智慧的技術也已經非常成熟,若擬真圖的設計可以利用人工智慧來製作將會省下許多時間以及視覺化思考等技術需求。本論文中使用生成對抗網路為基礎來學習室內設計的建模,將素模直接轉換為3D擬真圖我們先利用SketchUp製圖蒐集大量的室內圖片並使用Pix2pix以及CycleGAN對圖片進行訓練,視情況調整不同的訓練次數,從中分析出最佳結果接著與VRay渲染出來的圖片進行比較。實驗結果顯示,Pix2pix對於素模與擬真圖的轉換有較不錯的表現,相比之下CycleGAN並不適合對素模與擬真圖進行轉換。最後生成出來的最佳結果與VRay渲染出來的擬真圖進行比較後能夠發現,生成對抗網路模型產生的圖片的確能自動設計好房間,生成速度也非常快,整體的架構也非常清楚,但相比之下利用VRay渲染出來的圖片,生成對抗網路產生的圖片細節並沒有那麼明顯。