Tafsiri ya kisemantiki yenye muundo, katika utafiti huu ni mbinu ya uwakilishi wa maarifa inayobadilisha maarifa ya kihistoria na ya upangaji wa anga ya bustani za ua za Lingnan kuwa tabaka thabiti za lebo ambazo modeli ya ujifunzaji wa mashine inaweza kusoma. Watafiti walikodi mipango 63 ya bustani za Lingnan za jadi na za kisasa katika tabaka tano: mtindo wa kipindi, muundo wa anga, namna ya mpangilio, aina ya ua na vipengele vinavyounda; waliunganisha mipango yenye misimbo ya rangi na prompt za maandishi zenye muundo, wakafanya fine-tuning ya modeli inayotegemea Stable Diffusion 1.5 kwa LoRA, na kuzalisha mipango ya bustani iliyozuiliwa na mpaka wa eneo.

Swali kuu la utafiti si tu “je, akili bandia inaweza kuchora mpango wa bustani?”. Swali halisi ni kama kubadilisha maarifa ya kikanda ya usanifu—kama idadi ya nyua, uhusiano kati ya nyua na aina ya mandhari inayotawala—kuwa lebo wazi za kisemantiki kunafanya uzalishaji uweze kudhibitiwa zaidi kwa kweli.

Katika ablation ya lebo za prototipu ya anga, kundi lenye muundo lilifikia kiwango cha hit cha %78,8 kwa lebo ya muundo wa anga, huku kundi la udhibiti lililotumia lebo za vipengele pekee likibaki %19,4. Kwa lebo ya mpangilio, viwango vilikuwa %52,1 na %13,6 mtawalia. Tofauti zilizooanishwa zilikuwa pointi za asilimia 59,4 na 38,6, na tofauti zote mbili zilikuwa katika kiwango cha p < 0,001 katika majaribio ya permutation na exact McNemar.

Katika hatua ya pili, ambapo mipango 100 iliyozalishwa ilitathminiwa na wabunifu watano wa kitaalamu, wastani wa alama ulikuwa 0,79 kwa muundo wa anga, 0,80 kwa aina ya ua, 0,72 kwa ulinganifu wa jumla wa prototipu na 0,61 kwa mahusiano ya mpangilio. Kwa hiyo, modeli ilizalisha idadi ya nyua na aina kuu ya mandhari kwa uthabiti zaidi kuliko mahusiano nyeti ya kitopolojia kati ya nyua nyingi.

Katika uchanganuzi wa eneo la vipengele kwa misimbo ya rangi, upotovu wa kimfumo pia ulionekana. Katika mipango ya mafunzo, wastani wa sehemu ya eneo la majengo ulikuwa %50,4, ilhali katika matokeo yaliyotengenezwa ulikuwa %40,4; eneo la maji lilikuwa %12,9 katika sampuli za mafunzo na %21,5 katika uzalishaji. Modeli ilionyesha mwelekeo wa kutengeneza maeneo makubwa na endelevu ya maji, huku ikiwakilisha kwa upungufu vipengele vya usanifu vinavyohitaji mipaka myembamba na sahihi.

Ingawa utafiti unatoa proof-of-concept yenye nguvu, ulifundishwa kwa sampuli 63 pekee, mgawanyo wa kategoria uliendelea kutokuwa na uwiano, na utendaji wa jumla wa modeli haujathibitishwa kwa visa huru vya bustani vya held-out. Mipango iliyozalishwa ni mbadala za usanifu za hatua za awali; haipaswi kutathminiwa kama miradi ya usanifu inayoweza kutekelezwa moja kwa moja au kama urejeshaji wa moja kwa moja wa bustani za kihistoria.

Tatizo kuu ambalo utafiti unajaribu kutatua

Katika uzalishaji wa usanifu na mandhari, modeli za diffusion zina uwezo mkubwa wa kuunda picha; hata hivyo utambulisho wa bustani ya kihistoria hauamuliwi tu na rangi, umbo au kuwepo kwa vipengele binafsi. Tabia ya anga ya bustani ya Lingnan huundwa na mahusiano kama idadi ya nyua, jinsi zinavyozungushiwa, mwelekeo ambao zinaunganishwa, ua gani unaotawala, na jinsi jengo, maji na vipengele vya mandhari kama miamba vinavyopangwa katika ngazi ya uongozi.

Kuandika tu “jengo, maji, mmea, mwamba” kwa modeli zalishi hakufafanui wazi taarifa hii ya kimahusiano. Hapa ndipo utafiti wa chanzo unaanzia: si kufanya madarasa ya vitu vinavyoonekana yasomeke na mashine, bali kufanya prototipu ya anga iliyo chini ya bustani iweze kuchakatwa na mashine.

Chanzo kinafafanua maswali matatu ya utafiti: jinsi maarifa ya bustani za Lingnan yanavyoweza kutafsiriwa kuwa lebo zenye muundo; kama lebo hizi za prototipu ya anga zinaboresha mwitikio wa modeli kwa prototipu lengwa; na jinsi mipango iliyozalishwa inaweza kutathminiwa kwa upande wa prototipu ya anga na muundo wa vipengele.

Tafsiri ya Kisemantiki Yenye Muundo ni Nini na Kwa Nini Inahitajika?

Tafsiri ya kisemantiki yenye muundo ni mbinu inayobadilisha dhana zinazotafsiriwa na binadamu katika nadharia ya kihistoria ya bustani za Lingnan—kama kitengo cha ua, muundo wa anga, namna ya mpangilio, aina ya ua na vipengele vinavyounda—kuwa lebo thabiti na zinazoweza kurudiwa, kisha kutumia taarifa hiyo hiyo kwa pamoja katika hatua za kuweka lebo kwenye data, kuweka masharti ya modeli na kutathmini matokeo.

Seti ya data iliundwaje?

Watafiti waliunda hifadhi ya sampuli kutoka vyanzo vingi ikijumuisha fasihi ya kale, mipango ya kazi za kisasa zilizojengwa na picha za utafiti katika machapisho ya kitaaluma.

Katika hatua ya kwanza, bustani 122 za Lingnan zilibaki kwa msingi wa uhusiano wa kikanda. Katika hatua ya pili, ilihitajika kwamba mpango usomeke, nyua ziweze kutambuliwa kama vitengo vya msingi vya anga, majengo makuu na vipengele vikubwa vya mandhari viweze kutofautishwa, na mpaka wa eneo uwe wazi. Mipango yenye maeneo muhimu yaliyokosekana, usomaji duni, marudio au mipaka isiyoeleweka iliondolewa, na seti ya mwisho ya mipango 63 iliundwa.

Kwa nini mipango ilipewa misimbo ya rangi?

Mipango ya chanzo hutofautiana kwa kipimo, ukubwa wa karatasi, mwelekeo na desturi ya uchoraji. Ili modeli ijifunze lugha moja ya kuona, sampuli zote zilisafishwa, vichwa na maelezo yakaondolewa, na bila kuvuruga uwiano wake zikawekwa katikati ya turubai ya mraba ya pikseli 512 × 512.

Katika sampuli zenye taarifa ya kuaminika ya kaskazini, kaskazini iliwekwa juu; katika mipango ambayo taarifa ya mwelekeo haikuwa ya kuaminika, upande wa juu wa mchoro wa awali ulihifadhiwa kama mwelekeo wa chaguo-msingi.

Vipengele vya mpango vilikodiwa katika makundi mawili makuu. Vipengele vya usanifu vilijumuisha ukumbi/hall, chumba cha makazi, mnara, banda la bustani, korido iliyofunikwa na ukuta wa kugawa; vipengele vya asili vilijumuisha uso wa maji, mpangilio wa miamba, nyasi, uoto na sakafu ya mawe.

Kitengo cha ua kilifafanuliwaje?

Katika chanzo, kitengo cha ua kimefafanuliwa kama kitengo cha nafasi ya nje kilichozungukwa na jengo, korido, ukuta au vipengele vya mandhari vinavyofafanua nafasi, ambacho sehemu yake kuu ni eneo wazi na kina mandhari inayotambulika, uhusiano wa mwonekano au kazi ya matumizi.

Uzungushaji unaweza kuwa umefungwa kikamilifu, wa pande tatu, wa umbo la L, wa umbo la I au umezungukwa na mandhari. Ili kutohesabu mianya midogo sana ya mwanga kama nyua huru, vizingiti vya kiutendaji pia viliwekwa: urefu wa chini wa ukingo 3 m na eneo la chini la takribani 20 m². Sampuli zilizo mpakani zilitathminiwa pia na wataalamu.

Aina za ua

Chanzo kinatumia aina nne za ua za kiutendaji. Flat courtyard ni ua ambao nyuso tambarare zilizo wazi zinatawala na maji au mwamba hauundi kituo wazi. Katika Water courtyard, kiini kikuu cha mandhari ni maji. Katika Water–rock courtyard, maji na miamba kwa pamoja huunda mandhari kuu. Katika Rock courtyard, miamba, mpangilio wa mawe au bustani ya miamba hutawala.

Chanzo kiliunganisha kategoria ya hill courtyard katika nadharia ya Lingnan na kategoria ya rock courtyard kwa sababu ni nadra katika sampuli zilizopo na ni vigumu kuitofautisha kwa uaminifu kutoka kwenye mpango pekee.

Muundo wa anga na namna ya mpangilio si kitu kilekile

Muundo wa anga unaonyesha kama bustani ina kitengo kimoja, viwili au vitatu na zaidi vya ua. Namna ya mpangilio inaeleza jinsi nyua nyingi zinavyounganishwa na jinsi zinavyowekwa kwa kulinganisha na mhimili mkuu wa mwelekeo.

Watafiti walifafanua kituo cha kijiometri cha kila ua na kutumia mhimili mkuu wa mwelekeo wa bustani kama rejea ili kufanya nyua zenye maumbo tofauti ziweze kulinganishwa.

Katika mpangilio wa Parallel, mstari unaounganisha vituo vya nyua kwa kawaida huwa wima kwa mhimili mkuu; Table 3 hutoa kanuni ya kiutendaji ya takribani 90° ± 15°. Katika mpangilio wa Serial, muunganisho huwa takribani sambamba na mhimili mkuu na uzoefu wa anga husonga kutoka mbele kwenda nyuma. Mpangilio wa Staggered unaonyesha mahusiano ya diagonal, yaliyosogezwa au yenye mizunguko; mpangilio wa composite unaonyesha kuwepo pamoja kwa zaidi ya namna moja ya mpangilio katika bustani moja.

Structured prompt ya tabaka tano

Uaminifu wa lebo ulikaguliwaje?

Wataalamu watatu waliweka kwa kujitegemea lebo za muundo wa anga, namna ya mpangilio na aina ya ua kwa bustani 63. Lebo ya mwisho iliamuliwa kwa uamuzi wa wengi; kulipotokea kutokubaliana, mwandishi alikagua vyanzo vingi kabla ya kufanya uamuzi.

Kwa nini LoRA ilitumika?

Mipango 63 ni seti ndogo ya data kwa kufundisha modeli kubwa ya diffusion kutoka mwanzo. Low-Rank Adaptation (LoRA) huweka kwa kiasi kikubwa uzani mkuu wa modeli iliyofundishwa awali bila kubadilika na kuongeza matriksi zinazoweza kujifunzwa za rank ya chini, hivyo kuruhusu urekebishaji kwa kikoa maalumu cha kuona na lugha ya kuweka masharti kwa kutumia vigezo vichache vinavyofundishwa.

Katika utafiti huu, LoRA ilitumika kurekebisha Stable Diffusion 1.5 kwa mipango ya bustani za Lingnan yenye misimbo ya rangi na jozi zao za structured prompt.

Vigezo vya mafunzo

Figure 11 na Figure 12 zinaonyesha kwamba kadiri hatua za mafunzo zilivyoongezeka, thamani ya loss ilipungua kwa ujumla na mipango ikabadilika kutoka mwonekano uliogawanyika kwenda muundo ulio na mpangilio na unaosomeka zaidi. Matokeo yalianza kutulia karibu na 20 epoch/5040 step; hata hivyo watafiti walichagua modeli ya 10.080-step kwa kuzingatia utenganishaji wa vipengele, uthabiti wa mipaka na usomaji wa kimuundo.

Mpaka wa Eneo Ulidumishwaje Katika Modeli Generative?

Utafiti ulitumia picha ya site-boundary moja kwa moja kama maski ili kufanya modeli ya diffusion izalishe tu ndani ya mpaka wa eneo uliobainishwa; kwa sababu chaguo za ControlNet za Canny na Lineart zilisababisha kutolingana kwa vipengele na kuvurugika kwa muundo katika seti ya data iliyopo bila mafunzo upya, boundary masking ya moja kwa moja ilichaguliwa katika mtiririko mkuu wa kazi.

Mipangilio ya uzalishaji ya ComfyUI

Katika mpangilio huu, structured prompt ya maandishi huweka masharti ya mpangilio wa ndani na prototipu lengwa, huku site-boundary mask ikizuia mpaka mkuu wa nje. Hivyo modeli inaelekezwa kwa aina mbili tofauti za taarifa kwa wakati mmoja: lebo za maandishi huamua “ni prototipu gani ya anga itazalishwa?”, na maski ya mpaka huamua “itazalishwa ndani ya mpaka gani wa kimwili?”.

Je, Lebo za Prototipu ya Anga Ziliboresha Uzalishaji kwa Kweli?

Ndiyo, katika jaribio la ablation lililooanishwa la utafiti, kundi la structured prompt lililojumuisha lebo za muundo wa anga na mpangilio lilitoa viwango vya juu zaidi vya kulingana na prototipu lengwa kuliko kundi la element-only wakati modeli ileile, mpaka uleule wa eneo, random seed ileile na mipangilio ileile ya uzalishaji zilitumika; hata hivyo faida hiyo ilikuwa ndogo zaidi katika mpangilio wa nyua kuliko katika idadi ya nyua.

Muundo wa jaribio la ablation

Prototipu nane lengwa za anga zilichaguliwa: prototipu moja ya ua mmoja; prototipu tatu za nyua mbili katika aina za serial, parallel na staggered; na prototipu nne za nyua nyingi katika aina za serial, parallel, staggered na composite.

Kwa kila prototipu, uzalishaji 20 uliounganishwa ulifanywa na jumla ya jozi 160 ziliundwa. Kila jozi ilikuwa na matokeo mawili:

• Structured group: Ingizo kamili la kisemantiki lenye muundo wa tabaka tano.
• Element-only group: Ingizo ambalo lebo za muundo wa anga na mpangilio ziliondolewa huku masharti mengine yakihifadhiwa.

Kila jozi ilitumia modeli ileile ya LoRA, site-boundary mask ileile, random seed ileile na generation parameters zilezile. Hivyo kigezo kikuu cha kulinganisha kilikuwa kuwepo au kutokuwepo kwa lebo za prototipu ya anga.

Hesabu ya viwango vya hit na unreadable

Kila matokeo yaliyotengenezwa yalitathminiwa na wabunifu watano wa kitaalamu kama hit = 1, non-hit = 0 au unreadable = −1. Kategoria modal ya wataalamu watano ilichukuliwa kuwa matokeo katika kiwango cha kisa.

Chanzo Equation (1):

\[ H_d^g= \frac{1}{N_{gd}} \sum_{i=1}^{N_{gd}}m_{id}^{g} \tag{1} \]

\(H_d^g\) ni kiwango cha hit kwa kundi \(g\) na kipimo cha tathmini \(d\). \(N_{gd}\) ni idadi ya matokeo yanayofaa katika kipimo hicho; \(m_{id}^{g}\) ni kigezo cha binary kinachoonyesha kama kisa husika ni hit.

Chanzo Equation (2):

\[ U_d^g= \frac{1}{N_{gd}} \sum_{i=1}^{N_{gd}}u_{id}^{g} \tag{2} \]

\(U_d^g\) ni kiwango cha unreadable; \(u_{id}^{g}\) huonyesha kama matokeo husika yaliainishwa kuwa hayasomeki.

Matokeo ya ablation

Vipindi vya kujiamini vilihesabiwa kwa 20.000 paired bootstrap resample; matokeo ya permutation kwa 20.000 sign-flip resample. Katika uchanganuzi wa takwimu, matokeo ya unreadable yalichukuliwa kama non-hit.

Kiwango cha unreadable cha kundi la Structured kilikuwa %2,5 kwa muundo wa anga na %6,4 kwa mpangilio; katika kundi la element-only kilikuwa %5,6 na %14,3 mtawalia.

Viwango vya hit vya muundo wa anga katika kundi la Structured vilikuwa %75,0, %78,3 na %80,0 mtawalia kwa sampuli za ua mmoja, nyua mbili na nyua nyingi.

Kwa Nini Modeli Inadhibiti Mpangilio Kati ya Nyua kwa Udhaifu Zaidi?

Kulingana na utafiti wa chanzo, ingawa idadi ya nyua na aina kuu ya mandhari zina mipaka ya kuona iliyo wazi kwa kiasi, mipangilio ya parallel, serial, staggered na composite inahitaji mahusiano ya kina zaidi ya kitopolojia kama nafasi ya kulinganishwa ya nyua, muunganisho, ierarhia ya msingi–sekondari na uzingiraji wa mahali; seti ndogo na isiyo na uwiano ya data pamoja na uwakilishi wa pande mbili wa vitalu vya rangi hupunguza uwezo wa kujifunza mahusiano haya kwa usahihi.

Viwango vya hit kwa namna ya mpangilio:

Thamani hizi si ulinganisho wa madarasa yenye msaada sawa wa data. Katika seti ya data ya mafunzo, mpangilio wa serial unawakilishwa na sampuli mbili pekee. Kwa hiyo, hasa matokeo ya madarasa yenye marudio ya chini yamehifadhiwa na chanzo katika kiwango cha uchunguzi wa awali.

Tathmini ya ulinganifu wa prototipu kwa wataalamu watano

Kando na jaribio la ablation, sampuli 100 za structured-group zilichaguliwa kwa sampuli iliyotabaka ili kujumuisha miundo tofauti ya anga, namna za mpangilio na aina za ua.

Wabunifu watano wa kitaalamu walipima kila matokeo kwa kujitegemea katika vipimo vinne:

Relevant = 1, partially relevant = 0,5 na irrelevant = 0 zilitumika kama alama.

Wastani wa wataalamu watano kwa sampuli katika kipimo fulani:

\[ S_{id}= \frac{1}{J} \sum_{j=1}^{J}s_{idj}, \qquad J=5 \tag{3} \]

Alama ya mchanganyiko ya sampuli ni wastani wa vipimo vinne vya tathmini:

\[ S_i= \frac{1}{D} \sum_{d=1}^{D}S_{id} \tag{4} \]

Katika chanzo \(D=4\). Kwa wastani wa alama za wakadiriaji watano, inter-rater reliability ICC(2,5) = 0,68 ilipatikana.

Alama ya mpangilio kuwa ya chini zaidi na kuwa na usambazaji mpana zaidi inaelekeza kwenye tatizo lilelile la msingi katika jaribio la ablation: modeli hujibu kwa uthabiti zaidi maswali “nyua ni ngapi?” na “ni mandhari gani inayotawala?” kuliko swali “nyua hizi zimeunganishwaje hasa?”.

Mbinu na Matokeo ya Utafiti

Mtiririko kamili wa utafiti

Uwiano wa eneo la kipengele ulihesabiwaje?

Kwa sababu rangi za modeli katika mipango iliyozalishwa zinaweza kuachana na misimbo kamili ya RGB katika data ya mafunzo, chanzo hakikutumia usawa wa moja kwa moja wa RGB. Kwa kutumia hati maalumu ya Python 3.14.3, NumPy 2.4.6 na Pillow 12.2.0, pikseli zilibadilishwa kwenda nafasi ya rangi ya CIE Lab na tofauti ya rangi ΔE*ab na rangi ya paleti iliyo karibu zaidi ikahesabiwa.

Pikseli yenye ΔE*ab ≤ 25 ilipewa darasa la kipengele lililo karibu zaidi; pikseli nje ya kizingiti ilichukuliwa kuwa noise.

Chanzo Equation (5):

\[ p_k= \frac{N_k} {\sum_i N_i} \tag{5} \]

Hapa \(p_k\) ni uwiano wa darasa la kipengele \(k\) ndani ya eneo la vipengele halali. \(N_k\) ni idadi ya pikseli zilizotengwa kwa darasa \(k\). \(\sum_i N_i\) katika denominator ni jumla ya pikseli zote halali za vipengele baada ya kuondoa mandharinyuma na noise. Mlinganyo hutoa uwiano usio na kipimo.

Chanzo pia kinaeleza kuwa katika picha zilizozalishwa takribani %3 ya pikseli haikuweza kupewa darasa lolote la kipengele kwa sababu ya mabadiliko ya rangi, ilhali katika sampuli za mafunzo zilizokodiwa kwa mkono uwiano huu ulikuwa chini ya %1.

Matokeo haya mawili hayapaswi kuchanganywa: “valid element pixel coverage” inaeleza ni kiasi gani cha picha kimefunikwa na madarasa ya vipengele yanayotambulika; takribani %3 isiyoweza kuainishwa inaeleza kiasi ambacho misimbo ya rangi iliachana na paleti lengwa.

Kwa nini majengo yalitengenezwa kwa upungufu na maji kwa ziada?

Katika mjadala wa chanzo, sababu inayowezekana imehusishwa na asili ya uwakilishi wa kielelezo. Maji kwa kawaida ni eneo kubwa na endelevu la rangi na ni rahisi zaidi kwa modeli ya diffusion kulisintetiza. Majengo, kuta na vipengele sawa vya usanifu vinahitaji mipaka myembamba na sahihi.

Upungufu wa eneo la jengo si tatizo la muundo wa kiasi pekee. Kwa kuwa mipaka ya usanifu hufafanua uzingiraji wa ua, majengo yaliyopungua au yaliyofifia yanaweza pia kudhoofisha ierarhia ya ua na mahusiano ya mpangilio.

Visa wakilishi vilionyesha nini?

Chanzo katika Figure 16 kinachunguza sampuli nne za ndani ya mgawanyo wa mafunzo: Qinghui Garden, Qunxing Thatched Cottage, Beiyuan Restaurant na Panxi Restaurant.

Kiunzi cha nyua mbili cha parallel cha Beiyuan Restaurant kilijengwa upya kwa uwazi wa kiasi katika uzalishaji.

Muundo wa nyua mbili wa staggered wa Qunxing Thatched Cottage ulionekana katika baadhi ya sampuli, lakini mipaka ya ua ilikuwa isiyo wazi zaidi.

Katika uzalishaji wa nyua nyingi wa composite wa Qinghui Garden na Panxi Restaurant, nyua nyingi na mandhari kuu za maji ziliundwa; hata hivyo ierarhia ya ua na uzingiraji wa mahali ulirahisishwa ikilinganishwa na mipango ya asili.

Kuonekana kwa maeneo ya maji yaliyopanuliwa na usemi dhaifu wa usanifu katika baadhi ya matokeo kunaelekea upande uleule na matokeo ya kiasi ya “maji mengi / majengo machache” katika Table 10.

Je, Matokeo Haya Yanathibitisha Kuwa Modeli Inajumlisha kwa Bustani za Lingnan Ambazo Haijawahi Kuziona?

Hapana. Mafunzo yalifanywa kwa mipango yote 63, sampuli wakilishi za Figure 16 zimeelezwa wazi na chanzo kuwa in-distribution, na utafiti haujaripoti jaribio la kimfumo la utendaji wa jumla katika visa huru vya bustani vya held-out; kwa kuwa waandishi wameacha held-out cases na cross-type experiments kwa kazi za baadaye, matokeo ya sasa yanapaswa kutafsiriwa kama mafanikio ya proof-of-concept yaliyodhibitiwa.

Matokeo yanayoungwa mkono na utafiti

Baadhi ya dhana za anga katika nadharia ya bustani za Lingnan zinaweza kutafsiriwa kuwa lebo wazi na zinazoweza kukaguliwa za kisemantiki.

Lebo za structured spatial-prototype zimeongeza kwa kiasi kikubwa mwitikio kwa muundo lengwa wa ua na namna ya mpangilio ikilinganishwa na prompt za element-only.

Idadi ya nyua na aina ya mandhari inayotawala zimetengenezwa kwa uthabiti zaidi kuliko nafasi nyeti za kulinganishwa na mahusiano ya kiierarhia ya nyua nyingi.

Site-boundary mask imekuwa na manufaa katika kuhifadhi mpaka mkuu wa mpango katika hali za majaribio zilizotumika.

Uwiano wa vipengele vya rangi unakaribia data ya mafunzo katika baadhi ya madarasa, lakini kuna upotovu wa kimfumo katika muundo wa majengo na maji.

Kutumia ufafanuzi uleule wa kisemantiki katika ukodishaji wa data, kuweka masharti ya uzalishaji na tathmini ya matokeo kumefanya iwe rahisi zaidi kufuatilia kiwango cha anga ambacho makosa ya modeli yanatokea.

Matokeo ambayo utafiti hauungi mkono

Haijathibitishwa kuwa modeli inajumlisha kwa usahihi wa juu katika aina zote za bustani za Lingnan.

Modeli si mfumo kamili wa usanifu majengo.

Mipango ya 512 × 512 yenye vitalu vya rangi iliyozalishwa si michoro ya kiufundi iliyo tayari kwa ujenzi.

Kazi ya anga, accessibility, mpangilio wa wima, nyenzo, mfumo wa kubeba mizigo na uzoefu wa mtumiaji havijathibitishwa kwa kina katika mfumo wa sasa wa tathmini.

Mbinu hii si urejeshaji wa moja kwa moja wa urithi wa kihistoria.

Uwiano wa eneo la maji na majengo kukaribia mgawanyo wa mafunzo peke yake si ushahidi wa usahihi wa usanifu au uhalisi wa kitamaduni.

Tofauti kubwa ya kitakwimu katika ablation haihakikishi kwamba modeli itaonyesha utendaji uleule katika bustani mpya nje ya mgawanyo wa mafunzo.

Je, Mfumo Huu Unaweza Kurejesha Bustani za Kihistoria za Lingnan Moja kwa Moja?

Hapana. Senario ya adaptive restructuring katika utafiti ni pendekezo la kimawazo la msaada wa usanifu pekee; chanzo hakiiwasilishi kama mbinu ya urejeshaji wa moja kwa moja iliyothibitishwa kwa majaribio na kinaeleza wazi kwamba nyaraka za kihistoria, uchunguzi wa eneo, uchanganuzi wa thamani ya urithi na uamuzi wa kitaalamu wa usanifu ni vitu visivyoweza kubadilishwa.

Jukumu linalowezekana katika usanifu wa bustani mpya

Katika bustani mpya za Lingnan, mbunifu anaweza kutoa kwa mfumo lebo zinazoeleza mpaka wa eneo na prototipu ya anga lengwa ili kuzalisha mipango mbadala katika hatua za awali. Kulingana na matokeo ya sasa ya chanzo, njia hii inaaminika zaidi hasa kwa idadi ya nyua na aina kuu ya bustani kuliko kwa maelezo ya mpangilio.

Kwa hiyo, uzalishaji si zana inayofanya uamuzi wa mwisho badala ya mtaalamu; unachukuliwa kuwa mfumo wa msaada wa hatua za awali unaopanua chaguo za usanifu na kufanya mahusiano ya prototipu yaonekane.

Adaptive restructuring ya bustani zilizopo

Katika Figure 17, chanzo kinapendekeza kulinganisha bustani iliyopo na prototipu zinazoungwa mkono kihistoria, kubaini ierarhia ya ua iliyovurugika au uwiano wa jengo–mandhari, na kuzalisha mawazo mbadala ya upangaji upya ndani ya mpaka wa eneo uliopo.

Senario hii haikujumuishwa katika wigo wa tathmini ya majaribio ya makala.

Vikwazo vikuu vya utafiti

Seti ndogo ya data: Mafunzo yalifanywa kwa mipango 63 pekee.

Kutokuwiana kwa madarasa: Mpangilio wa Serial unawakilishwa na sampuli mbili, na lebo ya rock courtyard na sampuli tatu.

Urahisishaji wa pande mbili: Faida ya uwakilishi wa mpango kwa vitalu vya rangi ni usanifishaji; gharama yake ni kubanwa kwa taarifa kuhusu kipimo halisi, undani wa mipaka ya usanifu, nyenzo, uhusiano wa wima na uzoefu wa anga.

Udhibiti wa mpangilio: Mahusiano ya nyua nyingi ni magumu zaidi kudhibiti kuliko idadi ya nyua na aina kuu ya mandhari.

Wigo wa tathmini: Mpangilio wa kiutendaji, spatial adjacency, accessibility, mahusiano ya wima na uzoefu wa anga bado hayajajumuishwa katika vigezo vinavyotekelezeka vya tathmini ya utafiti.

Ujumlishaji: Tathmini ya visa huru vya held-out haijaripotiwa.

Uthibitishaji wa matumizi: Senario za matumizi ya bustani mpya na adaptive restructuring hazijathibitishwa kwa majaribio ya eneo/mradi.

Utafiti wa baadaye

Chanzo kinafafanua kazi za baadaye katika mihimili minne kuu: data, uwakilishi, udhibiti na tathmini.

Katika kiwango cha data, inapendekezwa kuongeza idadi ya bustani halisi na kutumia uongezaji wa data sintetiki uliothibitishwa na wataalamu ili kusaidia prototipu za anga zenye marudio madogo.

Katika kiwango cha uwakilishi na udhibiti, inapendekezwa kukodi vitengo vya ua, adjacency, nafasi ya kulinganishwa, enclosure na mahusiano ya kiierarhia katika mfumo wa graph structures au hierarchical semantics.

Katika upande wa tathmini, inapendekezwa kuongeza hesabu za space syntax, clustering ya ujifunzaji wa mashine na mbinu za perceptual validation kwenye tathmini iliyopo ya prototipu na uwiano wa vipengele.

Usawa kati ya Label granularity, relational-control accuracy na generative diversity unapaswa kujaribiwa kwa visa vya held-out na majaribio ya cross-type.

Maelezo ya Chanzo na Mbinu

Utafiti asili: Structured Semantic Translation and Diffusion-Based Generation of Lingnan Courtyard Garden Spatial Layouts: A Multi-Level Evaluation Framework

Waandishi: Yanghao Luo; Zhenhui Zhang; Yiyang Huang.

Mwandishi anayewasiliana: Zhenhui Zhang.

Taasisi: School of Architecture, South China University of Technology, Guangzhou, China; School of Civil Engineering and Architecture, Wuyi University, Nanping, China.

Jarida: Buildings.

Mchapishaji: MDPI.

Rekodi ya bibliografia: Buildings, 2026, 16(17), Article 3549.

DOI: 10.3390/buildings16173549.

Mchakato wa uchapishaji: Ilipokelewa 7 Agosti 2026; marekebisho 29 Agosti 2026; ikakubaliwa 1 Septemba 2026; ikachapishwa 7 Septemba 2026.

Aina ya chanzo: Utafiti uliopitiwa na wenzao na kuchapishwa kuhusu usanifu/ubunifu wa mandhari zalishi, ujifunzaji wa mashine na tathmini ya wataalamu; proof-of-concept inayotegemea nadharia.

Leseni: Creative Commons Attribution (CC BY).

Seti kuu ya data: Mipango 63 ya bustani za ua za Lingnan; sampuli 25 za jadi na 38 za kisasa.

Uwakilishi wa data: Mpango wa 512 × 512 px uliyonormalishwa wenye misimbo ya rangi + structured prompt ya tabaka tano.

Tabaka za kisemantiki: Mtindo wa kipindi, muundo wa anga, namna ya mpangilio, aina ya ua na vipengele vinavyounda.

Modeli msingi: stable-diffusion-v1-5-pruned.

Fine-tuning: LoRA; rank/alpha 32/32; AdamW8bit; U-Net learning rate 5 × 10⁻⁵; text encoder learning rate 1 × 10⁻⁵; batch size 2; 40 epoch; jumla 10.080 step.

Mazingira ya uzalishaji: ComfyUI frontend 1.34.9; LoRA weight 1,25; Euler sampler; 32 step; CFG scale 7; uzalishaji wa 512 × 512.

Boundary control: Site-boundary image mask.

Ablation: Prototipu nane lengwa × 20 uzalishaji uliounganishwa = 160 paired unit; masharti ya structured na element-only.

Idadi ya wataalamu: Wabunifu watano wa kitaalamu katika tathmini za ablation na relevance; wataalamu watatu katika uaminifu wa kuweka lebo/kukodi data ya mafunzo.

Takwimu: 20.000 paired bootstrap resample; 20.000 sign-flip paired permutation; exact McNemar test; Fleiss’ κ; ICC(2,5).

Matokeo makuu ya ablation: Kundi la Structured hit ya muundo wa anga %78,8 na hit ya mpangilio %52,1; kundi la element-only %19,4 na %13,6.

Matokeo makuu ya tathmini ya wataalamu: Muundo 0,79; aina 0,80; mpangilio 0,61; ulinganifu wa jumla 0,72; wastani wa mchanganyiko 0,73.

Uchanganuzi wa vipengele: Python 3.14.3, NumPy 2.4.6, Pillow 12.2.0; CIE Lab na kizingiti cha uainishaji ΔE*ab ≤ 25.

Upotovu mkuu wa muundo: Majengo −10,0 pointi za asilimia; maji +8,6 pointi za asilimia.

Upatikanaji wa data: Seti ya data ya mafunzo imechapishwa wazi kwenye GitHub katika hazina ya Yhao-L/Lingnan-Courtyard-Dataset.

Ufadhili: Natural Science Foundation of Fujian Province, Grant 2024J01913.

Kamati ya maadili: Kwa sababu wataalamu walitathmini tu picha zisizotambulisha watu za mipango iliyozalishwa kwa kutumia vigezo vilivyofafanuliwa mapema na hakuna data binafsi/nyeti iliyokusanywa, idhini ya kamati ya maadili haikuonekana kuwa muhimu.

Ridhaa yenye taarifa: Ilipatikana kutoka kwa wataalamu wote walioshiriki.

Mgongano wa maslahi: Waandishi hawakuripoti mgongano wa maslahi.

Tamko la matumizi ya akili bandia: Waandishi wameripoti kwamba walitumia mfululizo wa ChatGPT GPT-5 kwa uhariri wa lugha na msaada wa tafsiri wakati wa kuandaa utafiti; walikagua na kuhariri matokeo na kukubali kuwajibika kwa maudhui ya uchapishaji.

Michango ya waandishi: Yanghao Luo: uundaji wa dhana, mbinu, uchanganuzi rasmi, utafiti, uratibu wa data, uonyeshaji na rasimu ya kwanza. Yiyang Huang: programu na uthibitishaji. Zhenhui Zhang: mapitio/uhariri, usimamizi na usimamizi wa mradi.

Kizuizi kikuu cha kimethodolojia: Seti ya mafunzo ni ndogo na haina uwiano; tathmini zinaunga mkono udhibiti wa prototipu ya anga wa modeli, lakini utendaji wa jumla wa modeli haujathibitishwa katika visa huru vya bustani vya held-out. Uwakilishi wa pande mbili wa vitalu vya rangi hauhifadhi taarifa zote za kazi, nyenzo, nafasi ya wima na sifa za anga zinazohusiana na uzoefu.

Maelezo ya hakimiliki na matumizi tena: Makala ina leseni ya CC BY. Hata hivyo, baadhi ya mipango ya chanzo, picha za utafiti na besi rasmi za ramani katika makala zimetokana na nyenzo za wahusika wengine. Katika picha za Verianla, inapendekezwa kujenga upya kwa kujitegemea mahusiano ya kisayansi yaliyoelezwa kwenye chanzo kwa kutumia michoro na grafu zinazotegemea data ya chanzo badala ya kutumia tena nyenzo hizi kwa kiwango cha pikseli.