CN113656873B - 室内效果图生成方法及装置、存储介质、电子设备 - Google Patents
室内效果图生成方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN113656873B CN113656873B CN202110941316.0A CN202110941316A CN113656873B CN 113656873 B CN113656873 B CN 113656873B CN 202110941316 A CN202110941316 A CN 202110941316A CN 113656873 B CN113656873 B CN 113656873B
- Authority
- CN
- China
- Prior art keywords
- vector
- furniture
- room
- house type
- layout
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000694 effects Effects 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 99
- 239000013598 vector Substances 0.000 claims abstract description 833
- 238000004458 analytical method Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000009877 rendering Methods 0.000 claims abstract description 39
- 238000012512 characterization method Methods 0.000 claims description 51
- 238000010586 diagram Methods 0.000 claims description 49
- 230000004927 fusion Effects 0.000 claims description 48
- 230000008859 change Effects 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 35
- 238000013507 mapping Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 7
- 238000010992 reflux Methods 0.000 abstract description 4
- 238000005034 decoration Methods 0.000 abstract description 3
- 238000012549 training Methods 0.000 description 26
- 238000012546 transfer Methods 0.000 description 17
- 230000003247 decreasing effect Effects 0.000 description 13
- 230000001965 increasing effect Effects 0.000 description 13
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000003786 synthesis reaction Methods 0.000 description 9
- 102100025444 Gamma-butyrobetaine dioxygenase Human genes 0.000 description 8
- 101000934612 Homo sapiens Gamma-butyrobetaine dioxygenase Proteins 0.000 description 8
- 238000012800 visualization Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 206010063385 Intellectualisation Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开属于室内装修技术领域，涉及一种室内效果图生成方法及装置、存储介质、电子设备。该方法包括：获取房间调整向量和家具调整向量，并对房间调整向量进行生成需求分析得到户型更新向量；对户型更新向量进行户型布局分析得到家具表征向量，并对家具调整向量进行布局更新处理得到家具需求向量；对家具需求向量进行家具布局分析得到户型表征向量，并利用家具表征向量和户型表征向量渲染出室内效果图。本公开保证了室内效果图的渲染效果，渲染方式的自动化程度和智能化程度高，降低了用户的使用成本和操作复杂度，也降低了用户生成室内效果图时投入的沟通成本，提升了室内效果图的渲染效率，优化了用户体验，在一定程度上提升了用户回流度。
Description
技术领域
本公开涉及室内装修技术领域，尤其涉及一种室内效果图生成方法与室内效果图生成装置、计算机可读存储介质及电子设备。
背景技术
随着计算机技术和房地产行业的快速发展，越来越多的人通过3D(threedimensional，三维)模型上模拟的装修效果实际装修房屋。
但在这一过程中，室内设计方案在三维环境中缺乏自动化的交互机制，且使用成本较高，操作流程较为复杂，劣化了用户体验。同时，用户只有不断和设计师沟通才能调整室内交局的摆放位置，沟通成本过高，时效性较差。
鉴于此，本领域亟需开发一种新的室内效果图生成方法及装置。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种室内效果图生成方法、室内效果图生成装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于相关技术的限制而导致的图表和地图无法同时展示和分析的技术问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本发明实施例的第一个方面，提供一种室内效果图生成方法，所述方法包括：
获取房间调整向量和家具调整向量，并对所述房间调整向量进行生成需求分析得到户型更新向量；
对所述户型更新向量进行户型布局分析得到家具表征向量，并对所述家具调整向量进行布局更新处理得到家具需求向量；
对所述家具需求向量进行家具布局分析得到户型表征向量，并利用所述家具表征向量和所述户型表征向量渲染出室内效果图。
在本发明的一种示例性实施例中，所述对所述房间调整向量进行生成需求分析得到户型更新向量，包括：
对所述房间调整向量进行房间数量参数化得到房间数量向量，并对所述房间调整向量进行相邻参数化处理得到相邻关系向量；
对所述房间调整向量进行房间类别参数化得到房间类别向量，并对所述房间数量向量、所述相邻关系向量和所述房间类别向量进行向量拼接处理得到户型更新向量。
在本发明的一种示例性实施例中，所述对所述户型更新向量进行户型布局分析得到家具表征向量，包括：
对所述户型更新向量进行房型跨域处理得到房型跨域向量，并对所述房型跨域向量进行家具数量参数化得到综合数量向量；
对所述房型跨域向量进行家具类别参数化得到综合类别向量，并对所述综合数量向量和所述综合类别向量进行顺序拼接处理得到顺序拼接向量；
对所述顺序拼接向量进行家具房型映射得到综合改变向量，以确定所述综合数量向量、所述综合类别向量和所述综合改变向量为所述家具表征向量。
在本发明的一种示例性实施例中，所述对所述家具调整向量进行布局更新处理得到家具需求向量，包括：
对所述家具调整向量进行布局需求分析得到家具布局向量；
对所述家具布局向量进行布局更新处理得到家具需求向量。
在本发明的一种示例性实施例中，所述对所述家具调整向量进行布局需求分析得到家具布局向量，包括：
对所述家具调整向量进行家具数量参数化得到家具数量向量，并对所述家具调整向量进行家具类别参数化得到家具类别向量；
对所述家具数量向量和所述家具类别向量进行顺序拼接处理得到家具拼接向量，并对所述家具拼接向量进行家具房型映射得到布局改变向量，以确定所述家具数量向量、所述家具类别向量和所述布局改变向量作为家具布局向量。
在本发明的一种示例性实施例中，所述对所述家具布局向量进行布局更新处理得到家具需求向量，包括：
对所述布局改变向量进行房间选定处理得到更新房间标识，并获取与所述更新房间标识对应的原始房间视图；
对所述原始房间视图、所述家具数量向量和所述家具类别向量进行更新编码处理得到更新编码向量，并对所述更新编码向量进行更新解码处理得到目标房间视图；
对所述目标房间视图和所述更新编码向量进行需求计算处理得到家具需求向量。
在本发明的一种示例性实施例中，所述对所述家具需求向量进行家具布局分析得到户型表征向量，包括：
对所述家具需求向量进行家具跨域处理得到家具跨域向量，并对所述家具跨域向量进行房间数量参数化得到融合数量向量；
对所述家具跨域向量进行相邻参数化处理得到融合关系向量，并对所述家具跨域向量进行房间类别参数化得到融合类别向量，以确定所述融合数量向量、所述融合关系向量和所述融合类别向量为户型表征向量。
在本发明的一种示例性实施例中，所述利用所述家具表征向量和所述户型表征向量渲染出室内效果图，包括：
对所述户型更新向量进行初始生成处理得到初始户型向量，并对所述初始户型向量进行矩形生成处理得到房间矩形向量；
利用所述房间矩形向量、所述家具表征向量和所述户型表征向量渲染出室内效果图。
根据本发明实施例的第二个方面，提供一种室内效果图生成装置，其特征在于，包括：
户型向量模块，被配置为获取房间调整向量和家具调整向量，并对所述房间调整向量进行生成需求分析得到户型更新向量；
家具向量模块，被配置为对所述户型更新向量进行户型布局分析得到家具表征向量，并对所述家具调整向量进行布局更新处理得到家具需求向量；
效果渲染模块，被配置为对所述家具需求向量进行家具布局分析得到户型表征向量，并利用所述家具表征向量和所述户型表征向量渲染出室内效果图。
根据本发明实施例的第三个方面，提供一种电子设备，包括：处理器和存储器；其中，存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例中的室内效果图生成方法。
根据本发明实施例的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意示例性实施例中的室内效果图生成方法。
由上述技术方案可知，本公开示例性实施例中的室内效果图生成方法、室内效果图生成装置、计算机存储介质及电子设备至少具备以下优点和积极效果：
在本公开的示例性实施例提供的方法及装置中，对房间调整向量进行生成需求分析和户型布局分析可以得到对应的家具表征向量，而对家具调整向量进行布局更新处理和家具布局分析可以得到对应的户型表征向量，为渲染室内效果图提供了家具和房间两方面的数据基础，保证了室内效果图的渲染效果。更进一步的，根据家具表征向量和户型表征向量渲染室内效果图，渲染方式的自动化程度和智能化程度高，降低了用户的使用成本和操作复杂度，也降低了用户生成室内效果图时投入的沟通成本，提升了室内效果图的渲染效率，优化了用户体验，在一定程度上提升了用户回流度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出本公开示例性实施例中一种室内效果图生成方法的流程示意图；
图2示意性示出本公开示例性实施例中生成需求分析的方法的流程示意图；
图3示意性示出本公开示例性实施例中户型布局分析的方法的流程示意图；
图4示意性示出本公开示例性实施例中布局更新处理的方法的流程示意图；
图5示意性示出本公开示例性实施例中布局需求分析的方法的流程示意图；
图6示意性示出本公开示例性实施例中布局更新处理的方法的流程示意图；
图7示意性示出本公开示例性实施例中家具布局分析的方法的流程示意图；
图8示意性示出本公开示例性实施例中渲染室内效果图的方法的流程示意图；
图9示意性示出本公开示例性实施例中应用场景下生成室内效果图的交互方式图；
图10示意性示出本公开示例性实施例中应用场景下室内效果图生成方法的流程示意图；
图11示意性示出本公开示例性实施例中户型需求综合模块的模块示意图；
图12示意性示出本公开示例性实施例中布局需求综合模块的模块示意图；
图13示意性示出本公开示例性实施例中一种室内效果图生成装置的结构示意图；
图14示意性示出本公开示例性实施例中一种用于实现室内效果图生成方法的电子设备；
图15示意性示出本公开示例性实施例中一种用于实现室内效果图生成方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。
针对相关技术中存在的问题，本公开提出了一种室内效果图生成方法，图1示出了室内效果图生成方法的流程图，如图1所示，室内效果图生成方法至少包括以下步骤：
步骤S110.获取房间调整向量和家具调整向量，并对房间调整向量进行生成需求分析得到户型更新向量。
步骤S120.对户型更新向量进行户型布局分析得到家具表征向量，并对家具调整向量进行布局更新处理得到家具需求向量。
步骤S130.对家具需求向量进行家具布局分析得到户型表征向量，并利用家具表征向量和户型表征向量渲染出室内效果图。
在本公开的示例性实施例中，对房间调整向量进行生成需求分析和户型布局分析可以得到对应的家具表征向量，而对家具调整向量进行布局更新处理和家具布局分析可以得到对应的户型表征向量，为渲染室内效果图提供了家具和房间两方面的数据基础，保证了室内效果图的渲染效果。更进一步的，根据家具表征向量和户型表征向量渲染室内效果图，渲染方式的自动化程度和智能化程度高，降低了用户的使用成本和操作复杂度，也降低了用户生成室内效果图时投入的沟通成本，提升了室内效果图的渲染效率，优化了用户体验，在一定程度上提升了用户回流度。
下面对室内效果图生成方法的各个步骤进行详细说明。
在步骤S110中，获取房间调整向量和家具调整向量，并对房间调整向量进行生成需求分析得到户型更新向量。
在本公开的示例性实施例中，房间调整向量可以是用户输入的房间调整信息的one-hot(独热)编码向量。其中，房间调整信息可以包括房间的类别、各个类别的房间数量和各个房间之间的相邻关系。
具体的，房间的类别可以有12个，分别是主卧、次卧、老人房、榻榻米、淑女房、男孩房、书房、客厅、餐厅、卫生间、厨房和保姆房。
家具调整向量可以是用户输入的房间调整信息的one-hot编码向量。其中，家具调整信息可以包括增加或者减少的家具数量以及家具类别。
进一步的，还可以对房间调整向量进行生成需求分析。
在可选的实施例中，图2示出了生成需求分析的方法的流程示意图，如图2所示，该方法至少包括以下步骤：在步骤S210中，对房间调整向量进行房间数量参数化得到房间数量向量，并对房间调整向量进行相邻参数化处理得到相邻关系向量。
对房间调整向量进行房间数量参数化可以是通过两层全连接层(Fullyconnected layer，FC)构成的户型图需求房间数量参数化子模块实现的。
具体的，户型图需求房间数量参数化子模块是由两层全连接层组成的，并且参数为(10,128)和(128,64)。输入的房间调整向量可以是所有房间类别对应的各个种类的房间数量的one-hot编码向量，输出为64维向量。
举例而言，两个房间的房间调整向量，亦即one-hot编码向量为(0100000000)；一个房间的房间调整向量，亦即one-hot编码向量为(1000000000)。另外，全连接层的参数(10,128)表示该全连接层的输入通道个数为10，输出通道个数为128，亦即该层全连接计算核的数量。
对房间调整向量进行相邻参数化处理可以是通过两层全连接层构成的户型图需求房间相邻参数化子模块实现的。
具体的，户型图需求房间相邻参数化子模块可以是由两层全连接层组成的，并且全连接层的参数分别为(2,128)和(128,64)。输入房间调整向量可以为收到的房间相邻的one-hot编码向量，输出为64维向量。
举例而言，两个房间相邻为(10)，两个房间不相邻为(01)，该结果为机器学习的结果。除此之外，也可以是其他表示形式，本示例性实施例对此不做特殊限定。
值得说明的是，对于增加的房间的相邻关系可以设置为与主卧相邻。除此之外，根据实际需求和情况也可以有其他设置，本示例性实施例对此不做特殊限定。
在步骤S220中，对房间调整向量进行房间类别参数化得到房间类别向量，并对房间数量向量、相邻关系向量和房间类别向量进行向量拼接处理得到户型更新向量。
对房间调整向量进行房间类别参数化可以是通过两层全连接层构成的户型图需求房间类别参数化子模块实现的。
具体的，户型图需求房间类别参数化子模块可以由两层全连接层组成，并且全连接层的参数为(12,128)和(128,64)。输入为收到的所有房间类别的one-hot编码向量，输出为64维向量。
举例而言，12个类别房间分别为主卧、次卧、老人房、榻榻米、淑女房、男孩房、书房、客厅、餐厅、卫生间、厨房和保姆间。其中，主卧的one-hot向量可以是(100000000000)，次卧的one-hot向量可以是(010000000000)。
在得到房间数量向量、相邻关系向量和房间类别向量之后，可以对房间数量向量、相邻关系向量和房间类别向量进行向量拼接处理。
具体的，可以是将房间数量向量、相邻关系向量和房间类别向量进行首位拼接得到24维向量Q作为户型更新向量。并且，在对房间数量向量、相邻关系向量和房间类别向量进行首位拼接时，还可以是按照第一个为房间数量向量，第二个为相邻关系向量和第三个为房间类别向量的顺序进行拼接。
在本示例性实施例中，通过生成需求分析得到户型更新向量的生成方式简单准确，并且在过程中发挥了全连接层的优势，为渲染室内效果图提供了数据基础。
在步骤S120中，对户型更新向量进行户型布局分析得到家具表征向量，并对家具调整向量进行布局更新处理得到家具需求向量。
在本公开的示例性实施例中，得到户型更新向量之后，可以对户型更新向量进行户型布局分析得到对应的家具表征向量。
在可选的实施例中，图3示出了户型布局分析的方法的流程示意图，如图3所示，该方法至少包括以下步骤：在步骤S310中，对户型更新向量进行房型跨域处理得到房型跨域向量，并对房型跨域向量进行家具数量参数化得到综合数量向量。
具体的，对户型更新向量进行户型布局分析可以是通过布局需求综合模块实现的。该布局需求综合模块由跨域转移模块2、家具数量参数化子模块、家具类别参数化子模块和家具房型映射子模块4个子模块组成。
其中，跨域转移模块2可以对房型更新向量进行房型跨域处理。该跨域转移模块2由三层全连接层构成，并且该3层全连接层的参数为(Q，128)、(128,64)和(64,2+R)。其中，R表示家具的所有类别。
该跨域转移模块2的输入为户型更新向量Q，输出为房型跨域向量。
在得到房型跨域向量之后，可以利用家具数量参数化子模块对房型跨域向量进行家具数量参数化。
该家具数量参数化子模块由两层全连接层组成，并且两层全连接层的参数为(2,128)和(128,64)，输出为64维向量，亦即综合数量向量。
在步骤S320中，对房型跨域向量进行家具类别参数化得到综合类别向量，并对综合数量向量和综合类别向量进行顺序拼接处理得到顺序拼接向量。
在得到房型跨域向量之后，还可以利用家具类别参数化子模块对房型跨域向量进行家具类别参数化。
该家具类别参数化子模块由两层全连接层组成，并且该两层全连接层的参数为(R,128)和(128,64)，输出为64维向量，亦即综合类别向量。
在得到综合数量向量和综合类别向量之后，可以对综合数量向量和综合类别向量进行顺序拼接处理得到顺序拼接向量，以作为家具房型映射的输入参数。
在步骤S330中，对顺序拼接向量进行家具房型映射得到综合改变向量，以确定综合数量向量、综合类别向量和综合改变向量为家具表征向量。
在得到顺序拼接向量之后，可以利用家具房型映射子模块对顺序拼接向量进行家具房型映射。
该家具房型映射子模块由两层全连接层组成，并且，该两层全连接层的参数为(128,128)和(128,12)，输出为12维向量，亦即综合改变向量。该综合改变向量表示需要改变布局的房间类别ID的one-hot向量，12对应12种房间类别。
进一步的，可以确定综合数量向量、综合类别向量和综合改变向量为家具表征向量，该家具表征向量为改变户型后对应的家具数量增减的one-hot向量和家具类别增减的one-hot向量。
在本示例性实施例中，对户型更新向量进行户型布局分析可以得到家具表征向量，为渲染室内效果图提供了家具渲染的数据基础，保证了室内效果图的渲染效果的准确性和完整性。
除此之外，还可以对家具调整向量进行布局更新处理。
在可选的实施例中，图4示出了布局更新处理的方法的流程示意图，如图4所示，该方法至少包括以下步骤：在步骤S410中，对家具调整向量进行布局需求分析得到家具布局向量。
在可选的实施例中，图5示出了布局需求分析的方法的流程示意图，如图5所示，该方法至少包括以下步骤：在步骤S510中，对家具调整向量进行家具数量参数化得到家具数量向量，并对家具调整向量进行家具类别参数化得到家具类别向量。
同样的，可以利用家具数量参数化子模块对家具调整向量进行家具数量参数化。
该家具数量参数化子模块由两层全连接层组成，并且两层全连接层的参数为(2,128)和(128,64)。该家具数量参数化子模块的输入为收到的家具数量增减的one-hot编码向量，亦即家具调整向量，输出为64维向量。
举例而言，家具调整向量中，增加一个家具的one-hot向量为(10)，减少一个家具的one-hot向量为(01)。
进一步的，还可以利用家具类别参数化子模块对家具调整向量进行家具类别参数化。
该家具类别参数化子模块由两层全连接层组成，并且该两层全连接层的参数为(R,128)和(128,64)。该家具类别参数化子模块的输入的家具调整向量可以是收到的家具增减家具的类别的one-hot编码向量，输出为64维向量。
在步骤S520中，对家具数量向量和家具类别向量进行顺序拼接处理得到家具拼接向量，并对家具拼接向量进行家具房型映射得到布局改变向量，以确定家具数量向量、家具类别向量和布局改变向量作为家具布局向量。
在得到家具数量向量和家具类别向量之后，可以对家具数量向量和家具类别向量进行顺序拼接处理得到家具拼接向量，以作为家具房型映射的输入参数。
同样的，可以利用家具房型映射子模块对家具拼接向量进行家具房型映射。
该家具房型映射子模块由两层全连接层组成，并且，该两层全连接层的参数为(128,128)和(128,12)。该家具房型映射子模块的输入为家具拼接向量，输出为12维向量，亦即布局改变向量。该布局改变向量表示需要改变布局的房间类别ID的one-hot向量，12对应12种房间类别。
因此，在得到家具数量向量、家具类别向量和布局改变向量之后，可以确定家具数量向量、家具类别向量和布局改变向量为家具布局向量。
在本示例性实施例中，对家具调整向量进行布局需求分析得到家具布局向量，为家具的布局更新处理提供了数据基础，也保证了室内效果图生成的完整性和准确性。
在步骤S420中，对家具布局向量进行布局更新处理得到家具需求向量。
在可选的实施例中，图6示出了布局更新处理的方法的流程示意图，如图6所示，该方法至少包括以下步骤：在步骤S610中，对布局改变向量进行房间选定处理得到更新房间标识，并获取与更新房间标识对应的原始房间视图。
对家具布局向量进行房间选定处理可以是利用两层全连接层构成的布局更新房间选定子模块实现的，该两层全连接层的参数为(12,24)和(24,1)。
并且，该布局更新房间选定子模块的输入可以是家具布局向量中的布局改变向量，输出为布局即将变化的房间ID，亦即更新房间标识。该更新房间标识的取值范围为(1-12)，分别对应12种房间类别。
在得到更新房间标识之后，可以按照该更新房间标识获取到即将变化的房间ID的原始房间视图。例如，该原始房间视图可以是顶视图，也可以是其他视图，本示例性实施例对此不做特殊限定。
在步骤S620中，对原始房间视图、家具数量向量和家具类别向量进行更新编码处理得到更新编码向量，并对更新编码向量进行更新解码处理得到目标房间视图。
在得到原始房间视图之后，对原始房间视图、家具数据向量和家具类别向量进行更新编码处理可以是通过五层卷积层构成的家具布局更新编码子模块实现的。
该家具布局更新编码子模块由五层卷积层构成，并且，该五层卷积层的参数为(512×512×3)、(256×256×12)、(128×128×24)、(64×64×48)和(32×32×96)。该家具布局更新编码子模块的输入为即将变化的房间ID的顶视图，亦即原始房间视图，输出为32×32×96为高维向量，亦即更新编码向量。
其中，参数(512×512×3)表示该层卷积层的尺寸为512×512，3表示该层卷积层的通道数为3。
值得说明的是，在参数为128×128×24的第三层卷积层中，输入除了第二层的卷积层的输出之外，还要输入家具数量向量和家具类别向量，以最终得到更新编码向量。
对更新编码向量进行更新解码处理可以是通过五层卷积层构成的家具布局更新解码子模块实现。该五层卷积层的参数为(32×32×96)、(64×64×48)、(128×128×24)、(256×256×12)和(512×512×3)。并且，该家具布局更新解码子模块的输出为布局更新后的房间顶视图，亦即目标房间视图。
在步骤S630中，对目标房间视图和更新编码向量进行需求计算处理得到家具需求向量。
在得到目标房间视图之后，可以通过家具需求向量计算子模块对目标房间视图和更新编码向量进行需求计算处理。
该家具需求向量计算子模块包括三层卷积层和两层全连接层，并且三层卷积层的参数为(512×512×3)、(128×128×32)和(32×32×64)，两层全连接层的参数为(32×32×64,128)和(128,1)。
该家具需求向量计算子模块的输入为对(512×512×3)的更新编码向量和更新编码向量的(512×512×3)层做差，输出为更新布局是否满足新增或者删减家具的概率值，该概率值为128维向量表示，且取值满足(0-1)。该128维向量即为家具需求向量L。
值得说明的是，当概率值大于0.6时，还可以对家具数量向量和家具类别向量进行顺序拼接处理，否则输出的128维向量的所有元素均为0。
在本示例性实施例中，通过对家具布局向量进行布局更新处理可以得到家具需求向量，布局更新处理的方式简单准确，并且逻辑缜密，为准确渲染室内效果图提供了数据基础。
在步骤S130中，对家具需求向量进行家具布局分析得到户型表征向量，并利用家具表征向量和户型表征向量渲染出室内效果图。
在本公开的示例性实施例中，得到家具需求向量之后，还可以对家具需求向量进行家具布局分析。
在可选的实施例中，图7示出了家具布局分析的方法的流程示意图，如图7所示，该方法至少包括以下步骤：在步骤S710中，对家具需求向量进行家具跨域处理得到家具跨域向量，并对家具跨域向量进行房间数量参数化得到融合数量向量。
具体的，对家具需求向量进行家具布局分析可以是通过户型图需求综合模块实现的。该户型图需求综合模块由跨域转移模块1、房间数量参数化子模块、房间相邻参数化子模块和房间类别参数化子模块四个子模块组成。
其中，跨域转移模块1可以对家具需求向量进行家具跨域处理。该跨域转移模块1由五层全连接层构成，并且，五层全连接层的参数为(F,16)、(16,32)、(32,64)、(64,32)和(32,24)。
并且，跨域转移模块1的输出为家具需求向量L(F×1)，输出为24维向量，亦即家具跨域向量。
在得到家具跨域向量之后，可以利用户型图需求房间数量参数化子模块实现对家具跨域向量进行房间数量参数化。
同样的，户型图需求房间数量参数化子模块是由两层全连接层组成的，并且参数为(10,128)和(128,64)。输入的是家具跨域向量，输出为64维向量，亦即融合数量向量。
在步骤S720中，对家具跨域向量进行相邻参数化处理得到融合关系向量，并对家具跨域向量进行房间类别参数化得到融合类别向量，以确定融合数量向量、融合关系向量和融合类别向量为户型表征向量。
同样的，在得到家具跨域向量之后，还可以利用户型图需求房间相邻参数化子模块实现对家具跨域向量进行相邻参数化处理。
具体的，户型图需求房间相邻参数化子模块可以是由两层全连接层组成的，并且全连接层的参数分别为(2,128)和(128,64)。输入为家具跨域向量，输出为64维向量，亦即融合关系向量。
进一步的，还可以利用户型图需求房间类别参数化子模块实现对家具跨域向量进行房间类别参数化。
具体的，户型图需求房间类别参数化子模块可以由两层全连接层组成，并且全连接层的参数为(12,128)和(128,64)。输入为家具跨域向量，输出为64维向量，亦即融合类别向量。
在得到融合数量向量、融合关系向量和融合类别向量之后，可以确定融合数量向量、融合关系向量和融合类别向量为户型表征向量。因此，户型图需求综合模块的输入为家具需求向量L，输出为户型表征向量，亦即三个需求向量。
在本示例性实施例中，对家具需求向量进行家具布局分析得到户型表征向量，家具布局分析的方式简单准确，并且逻辑缜密，为准确渲染室内效果图提供了户型数据基础。
进一步的，可以利用家具表征向量和户型表征向量渲染出室内效果图。
在可选的实施例中，图8示出了渲染室内效果图的方法的流程示意图，如图8所示，该方法至少包括以下步骤：在步骤S810中，对户型更新向量进行初始生成处理得到初始户型向量，并对初始户型向量进行矩形生成处理得到房间矩形向量。
在得到户型更新向量Q之后，还可以对户型更新向量进行初始生成处理。
初始生成处理可以是通过户型图初始生成子模块实现的。该户型图初始生成子模块由两层卷积层和三层图卷积层组成。其中，两层卷积层的参数为(24×24×1)和(48×48×32)，三层图卷积层的参数为(128,2)、(256,2)和(512,2)。
其中，卷积层的参数(24×24×1)表示该层卷积层尺寸和通道数量，而图卷积层的参数(128,2)表示图卷积核的数量和感受野取值。
因此，利用户型图初始生成子模块对户型更新向量进行初始生成处理之后，可以得到128维高维的初始户型向量，亦即初始户型向量。
进一步的，还可以利用BBOX(Bounding Box)外接矩形(如房间、门、窗等的轮廓)生成子模块对初始户型向量进行矩形生成处理。
该BBOX外接矩形生成子模块由四层全连接层组成，并且四层全连接层的参数为(128,256)、(256,256)、(256,64)和(64,8×P)。该BBOX外接矩形生成子模块的输入为初始户型向量，输出为8×P维向量，亦即房间矩形向量。在该房间矩形向量中，P表示所有房间的数量。
举例而言，每一行8个值表示每个房间二维图的上、下、左和右四个点的x和y轴的坐标取值。
在步骤S820中，利用房间矩形向量、家具表征向量和户型表征向量渲染出室内效果图。
在得到房间矩形向量之后，可以利用房间矩形向量、家具表征向量和户型表征向量渲染出室内效果图。
具体的，可以利用可视化引擎实现设计方案的可视化，亦即可以渲染出的室内效果图可以是照片流形式，或者是视频流形式。而该可视化引擎可以是UE(Unreal Engine，虚幻引擎)、vary引擎，也可以是其他引擎，本示例性实施例对此不做特殊限定。
值得说明的是，渲染出的室内效果图即为增加或减少房间，和/或增加或减少家具后的房型布置和家具布局。
在本示例性实施例中，利用家具表征向量和户型表征向量渲染出室内效果图不仅可以实现户型的自动生成，还可以实现家具的自动布局，生成效果好，且操作复杂度和沟通成本低，实用性极强。
下面结合一应用场景对本公开实施例中室内效果图生成方法做出详细说明。
图9示出了应用场景下生成室内效果图的交互方式图，如图9所示，用户可以通过设备进行交互，以发送房间调整信息和家具调整信息的指示。该交互方式所依赖的设备可以包括手机、pad(平板电脑)，也可以包括网络电视、PC(Personal Computer，个人计算机)屏幕、XBOX(游戏机)、VR(Virtual Reality，虚拟现实)眼镜和车载屏幕等等。
其中，房间调整信息可以是表征增加或减少房间的信息，可以包括房间的类别、各个类别的房间数量和各个房间之间的相邻关系；而家具调整信息可以是表征增加或减少家具的信息，可以包括增加或者减少的家具数量以及家具类别。
进一步的，户型图生成+自动布局系统能够自动增加或减少房间，增加或减少家具，并且自动布局家具，以将布局结果可视化到移动设备上。
图10示出了应用场景下室内效果图生成方法的流程示意图，如图10所示，在步骤S1010中，增加/减少房间。
具体的，获取房间调整向量。房间调整向量可以是用户输入的房间调整信息的one-hot(独热)编码向量。其中，房间调整信息可以包括房间的类别、各个类别的房间数量和各个房间之间的相邻关系。
具体的，房间的类别可以有12个，分别是主卧、次卧、老人房、榻榻米、淑女房、男孩房、书房、客厅、餐厅、卫生间、厨房和保姆房。
在步骤S1020中，户型图生成需求分析模块。
该户型图生成需求分析模块包括户型图需求房间数量参数化子模块、户型图需求房间相邻参数化子模块和户型图需求房间类别参数化子模块。
对房间调整向量进行房间数量参数化可以是通过两层全连接层构成的户型图需求房间数量参数化子模块实现的。
具体的，户型图需求房间数量参数化子模块是由两层全连接层组成的，并且参数为(10,128)和(128,64)。输入的房间调整向量可以是所有房间类别对应的各个种类的房间数量的one-hot编码向量，输出为64维向量。
举例而言，两个房间的房间调整向量，亦即one-hot编码向量为(0100000000)；一个房间的房间调整向量，亦即one-hot编码向量为(1000000000)。另外，全连接层的参数(10,128)表示该全连接层的输入通道个数为10，输出通道个数为128，亦即该层全连接计算核的数量。
对房间调整向量进行相邻参数化处理可以是通过两层全连接层构成的户型图需求房间相邻参数化子模块实现的。
具体的，户型图需求房间相邻参数化子模块可以是由两层全连接层组成的，并且全连接层的参数分别为(2,128)和(128,64)。输入房间调整向量可以为收到的房间相邻的one-hot编码向量，输出为64维向量。
举例而言，两个房间相邻为(10)，两个房间不相邻为(01)，该结果为机器学习的结果。除此之外，也可以是其他表示形式，本示例性实施例对此不做特殊限定。
值得说明的是，对于增加的房间的相邻关系可以设置为与主卧相邻。除此之外，根据实际需求和情况也可以有其他设置，本示例性实施例对此不做特殊限定。
对房间调整向量进行房间类别参数化可以是通过两层全连接层构成的户型图需求房间类别参数化子模块实现的。
具体的，户型图需求房间类别参数化子模块可以由两层全连接层组成，并且全连接层的参数为(12,128)和(128,64)。输入为收到的所有房间类别的one-hot编码向量，输出为64维向量。
举例而言，12个类别房间分别为主卧、次卧、老人房、榻榻米、淑女房、男孩房、书房、客厅、餐厅、卫生间、厨房和保姆间。其中，主卧的one-hot向量可以是(100000000000)，次卧的one-hot向量可以是(010000000000)。
在步骤S1030中，户型图生成子模块。
在得到房间数量向量、相邻关系向量和房间类别向量之后，户型图生成子模块可以对房间数量向量、相邻关系向量和房间类别向量进行向量拼接处理。
具体的，可以是将房间数量向量、相邻关系向量和房间类别向量进行首位拼接得到24维向量Q作为户型更新向量。并且，在对房间数量向量、相邻关系向量和房间类别向量进行首位拼接时，还可以是按照第一个为房间数量向量，第二个为相邻关系向量和第三个为房间类别向量的顺序进行拼接。
除此之外，户型图生成子模块包括户型图初始生成子模块和BBOX外接矩形生成子模块。
在得到户型更新向量Q之后，可以对户型更新向量进行初始生成处理。
初始生成处理可以是通过户型图初始生成子模块实现的。该户型图初始生成子模块由两层卷积层和三层图卷积层组成。其中，两层卷积层的参数为(24×24×1)和(48×48×32)，三层图卷积层的参数为(128,2)、(256,2)和(512,2)。
其中，卷积层的参数(24×24×1)表示该层卷积层尺寸和通道数量，而图卷积层的参数(128,2)表示图卷积核的数量和感受野取值。
因此，利用户型图初始生成子模块对户型更新向量进行初始生成处理之后，可以得到128维高维的初始户型向量，亦即初始户型向量。
进一步的，还可以利用BBOX外接矩形生成子模块对初始户型向量进行矩形生成处理。
该BBOX外接矩形生成子模块由四层全连接层组成，并且四层全连接层的参数为(128,256)、(256,256)、(256,64)和(64,8×P)。该BBOX外接矩形生成子模块的输入为初始户型向量，输出为8×P维向量，亦即房间矩形向量。在该房间矩形向量中，P表示所有房间的数量。
举例而言，每一行8个值表示每个房间二维图的上、下、左和右四个点的x和y轴的坐标取值。
在步骤S1040中，户型需求综合模块。
图11示出了户型需求综合模块的模块示意图，如图11所示，该户型图需求综合模块由跨域转移模块1、房间数量参数化子模块、房间相邻参数化子模块和房间类别参数化子模块四个子模块组成。
其中，跨域转移模块1可以对家具需求向量进行家具跨域处理。该跨域转移模块1由五层全连接层构成，并且，五层全连接层的参数为(F,16)、(16,32)、(32,64)、(64,32)和(32,24)。
并且，跨域转移模块1的输出为家具需求向量L(F×1)，输出为24维向量，亦即家具跨域向量。
同样的，户型图需求房间数量参数化子模块是由两层全连接层组成的，并且参数为(10,128)和(128,64)。输入的是家具跨域向量，输出为64维向量，亦即融合数量向量。
在得到家具跨域向量之后，还可以利用户型图需求房间相邻参数化子模块实现对家具跨域向量进行相邻参数化处理。
具体的，户型图需求房间相邻参数化子模块可以是由两层全连接层组成的，并且全连接层的参数分别为(2,128)和(128,64)。输入为家具跨域向量，输出为64维向量，亦即融合关系向量。
进一步的，还可以利用户型图需求房间类别参数化子模块实现对家具跨域向量进行房间类别参数化。
具体的，户型图需求房间类别参数化子模块可以由两层全连接层组成，并且全连接层的参数为(12,128)和(128,64)。输入为家具跨域向量，输出为64维向量，亦即融合类别向量。
在得到融合数量向量、融合关系向量和融合类别向量之后，可以确定融合数量向量、融合关系向量和融合类别向量为户型表征向量。因此，户型图需求综合模块的输入为家具需求向量L，输出为户型表征向量，亦即三个需求向量。
在步骤S1050中，增加/减少家具。
具体的，获取家具调整向量。家具调整向量可以是用户输入的房间调整信息的one-hot编码向量。其中，家具调整信息可以包括增加或者减少的家具数量以及家具类别。
在步骤S1060中，家具布局需求分析模块。
该家具布局需求分析模块包括家具数量参数化子模块、家具类别参数化子模块和家具房型映射子模块。
利用家具数量参数化子模块对家具调整向量进行家具数量参数化。
该家具数量参数化子模块由两层全连接层组成，并且两层全连接层的参数为(2,128)和(128,64)。该家具数量参数化子模块的输入为收到的家具数量增减的one-hot编码向量，亦即家具调整向量，输出为64维向量。
举例而言，家具调整向量中，增加一个家具的one-hot向量为(10)，减少一个家具的one-hot向量为(01)。
进一步的，还可以利用家具类别参数化子模块对家具调整向量进行家具类别参数化。
该家具类别参数化子模块由两层全连接层组成，并且该两层全连接层的参数为(R,128)和(128,64)。该家具类别参数化子模块的输入的家具调整向量可以是收到的家具增减家具的类别的one-hot编码向量，输出为64维向量。
在得到家具数量向量和家具类别向量之后，可以对家具数量向量和家具类别向量进行顺序拼接处理得到家具拼接向量，以作为家具房型映射的输入参数。
同样的，可以利用家具房型映射子模块对家具拼接向量进行家具房型映射。
该家具房型映射子模块由两层全连接层组成，并且，该两层全连接层的参数为(128,128)和(128,12)。该家具房型映射子模块的输入为家具拼接向量，输出为12维向量，亦即布局改变向量。该布局改变向量表示需要改变布局的房间类别ID的one-hot向量，12对应12种房间类别。
因此，在得到家具数量向量、家具类别向量和布局改变向量之后，可以确定家具数量向量、家具类别向量和布局改变向量为家具布局向量。
在步骤S1070中，家具布局更新子模块。
该家具布局更新子模块包括布局更新房间选定子模块、家具布局更新编码子模块、家具布局更新解码子模块和家具需求向量计算模块。
对家具布局向量进行房间选定处理可以是利用两层全连接层构成的布局更新房间选定子模块实现的，该两层全连接层的参数为(12,24)和(24,1)。
并且，该布局更新房间选定子模块的输入可以是家具布局向量中的布局改变向量，输出为布局即将变化的房间ID，亦即更新房间标识。该更新房间标识的取值范围为(1-12)，分别对应12种房间类别。
在得到更新房间标识之后，可以按照该更新房间标识获取到即将变化的房间ID的原始房间视图。例如，该原始房间视图可以是顶视图，也可以是其他视图，本示例性实施例对此不做特殊限定。
在得到原始房间视图之后，对原始房间视图、家具数据向量和家具类别向量进行更新编码处理可以是通过五层卷积层构成的家具布局更新编码子模块实现的。
该家具布局更新编码子模块由五层卷积层构成，并且，该五层卷积层的参数为(512×512×3)、(256×256×12)、(128×128×24)、(64×64×48)和(32×32×96)。该家具布局更新编码子模块的输入为即将变化的房间ID的顶视图，亦即原始房间视图，输出为32×32×96为高维向量，亦即更新编码向量。
其中，参数(512×512×3)表示该层卷积层的尺寸为512×512，3表示该层卷积层的通道数为3。
值得说明的是，在参数为128×128×24的第三层卷积层中，输入除了第二层的卷积层的输出之外，还要输入家具数量向量和家具类别向量，以最终得到更新编码向量。
对更新编码向量进行更新解码处理可以是通过五层卷积层构成的家具布局更新解码子模块实现。该五层卷积层的参数为(32×32×96)、(64×64×48)、(128×128×24)、(256×256×12)和(512×512×3)。并且，该家具布局更新解码子模块的输出为布局更新后的房间顶视图，亦即目标房间视图。
在得到目标房间视图之后，可以通过家具需求向量计算子模块对目标房间视图和更新编码向量进行需求计算处理。
该家具需求向量计算子模块包括三层卷积层和两层全连接层，并且三层卷积层的参数为(512×512×3)、(128×128×32)和(32×32×64)，两层全连接层的参数为(32×32×64,128)和(128,1)。
该家具需求向量计算子模块的输入为对(512×512×3)的更新编码向量和更新编码向量的(512×512×3)层做差，输出为更新布局是否满足新增或者删减家具的概率值，该概率值为128维向量表示，且取值满足(0-1)。该128维向量即为家具需求向量L。
值得说明的是，当概率值大于0.6时，还可以对家具数量向量和家具类别向量进行顺序拼接处理，否则输出的128维向量的所有元素均为0。
在步骤S1080中，布局需求综合模块。
图12示出了布局需求综合模块的模块示意图，如图12所示，该布局需求综合模块由跨域转移模块2、家具数量参数化子模块、家具类别参数化子模块和家具房型映射子模块4个子模块组成。
其中，跨域转移模块2可以对房型更新向量进行房型跨域处理。该跨域转移模块2由三层全连接层构成，并且该3层全连接层的参数为(Q，128)、(128,64)和(64,2+R)。其中，R表示家具的所有类别。
该跨域转移模块2的输入为户型更新向量Q，输出为房型跨域向量。
在得到房型跨域向量之后，可以利用家具数量参数化子模块对房型跨域向量进行家具数量参数化。
该家具数量参数化子模块由两层全连接层组成，并且两层全连接层的参数为(2,128)和(128,64)，输出为64维向量，亦即综合数量向量。
在得到房型跨域向量之后，还可以利用家具类别参数化子模块对房型跨域向量进行家具类别参数化。
该家具类别参数化子模块由两层全连接层组成，并且该两层全连接层的参数为(R,128)和(128,64)，输出为64维向量，亦即综合类别向量。
在得到综合数量向量和综合类别向量之后，可以对综合数量向量和综合类别向量进行顺序拼接处理得到顺序拼接向量，以作为家具房型映射的输入参数。
在得到顺序拼接向量之后，可以利用家具房型映射子模块对顺序拼接向量进行家具房型映射。
该家具房型映射子模块由两层全连接层组成，并且，该两层全连接层的参数为(128,128)和(128,12)，输出为12维向量，亦即综合改变向量。该综合改变向量表示需要改变布局的房间类别ID的one-hot向量，12对应12种房间类别。
进一步的，可以确定综合数量向量、综合类别向量和综合改变向量为家具表征向量，该家具表征向量为改变户型后对应的家具数量增减的one-hot向量和家具类别增减的one-hot向量。
在步骤S1090中，可视化模块。
进一步的，可以利用房间矩形向量、家具表征向量和户型表征向量渲染出室内效果图。
具体的，可以利用可视化引擎实现设计方案的可视化，亦即可以渲染出的室内效果图可以是照片流形式，或者是视频流形式。而该可视化引擎可以是UE(Unreal Engine，虚幻引擎)、vary引擎，也可以是其他引擎，本示例性实施例对此不做特殊限定。
值得说明的是，渲染出的室内效果图即为增加或减少房间，和/或增加或减少家具后的房型布置和家具布局。
并且，用户还可以根据自身需求对家具或者对房间不增减，那么对应的家具调整向量或者房间调整向量的做归零处理，认可使用该室内效果图生成方法。
亦即，该室内效果图生成方法并不要求用户必须同时调整家具和房间。在只调整家具或房间中的一个信息时，也可以得到对应的室内效果图。
利用该室内效果图生成方法可以在用户想在现有设计方案中增加衣帽间时，户型图生成需求分析模块接受此信息，并且增加衣帽间。进一步的，将该信息传递给布局需求综合模块所需的在衣帽间中增加家具的消息，布局需求综合模块即在衣帽间中增加相应家具布局。或者是，当用户想在现有设计方案中增加一个马桶时，家具布局需求分析模块传递给户型需求综合模块增加马桶的消息，则户型需求综合模块增加马桶。
在对图10中各个模块进行训练时，可以首先初始化各个模块网络的参数，亦即对这些网络的参数进行随机取值。
进一步的，对户型图生成需求分析模块中的户型图需求房间数量参数化子模块、户型图需求房间相邻参数化子模块和户型图需求房间类别参数化子模块进行训练可以是训练过程1，并且训练目标为标注好的房间参数化向量。
对户型图生成子模块中包括的户型图生成子模块包括户型图初始生成子模块和BBOX外接矩形生成子模块进行训练的过程可以是训练过程2，并且训练目标为标注好的户型元素，例如门、窗、墙的外接轮廓。
对户型需求综合模块中的跨域转移模块1的训练过程可以是训练过程3，并且目标为标注好的房间的参数化向量。
对家具布局需求分析模块中包括的家具数量参数化子模块、家具类别参数化子模块和家具房型映射子模块进行训练可以是训练过程4，并且训练目标为标注好的家具的参数化向量。
对家具布局更新子模块中包括的布局更新房间选定子模块、家具布局更新编码子模块、家具布局更新解码子模块和家具需求向量计算模块的训练为训练过程5，并且训练目标为标注好的家具的外接轮廓和标注好的是否合适的标签。
对布局需求综合模块的训练为训练过程6，并且训练目标为标注好的家具的参数化向量。
在每个训练过程中，可以设定训练的目标分值为95。每进行一次训练时，都可以计算每一次样本的分数和目标分值的误差梯度。在训练过程中，训练中得到的结果与目标完全一致为100分，完全不一致为0分。
当每次数据集中的所有样本经过一次完整的训练过程之后，可以得到数据集中所有样本的平均分数。并且，当第N次和第N+1次训练之后，所得的数据集的平均分数均大于95分，并且保持不变后可以停止训练，并且停止更新网络中的参数。
在该应用场景下的室内效果图生成方法，对房间调整向量进行生成需求分析和户型布局分析可以得到对应的家具表征向量，而对家具调整向量进行布局更新处理和家具布局分析可以得到对应的户型表征向量，为渲染室内效果图提供了家具和房间两方面的数据基础，保证了室内效果图的渲染效果。更进一步的，根据家具表征向量和户型表征向量渲染室内效果图，渲染方式的自动化程度和智能化程度高，降低了用户的使用成本和操作复杂度，也降低了用户生成室内效果图时投入的沟通成本，提升了室内效果图的渲染效率，优化了用户体验，在一定程度上提升了用户回流度。
此外，在本公开的示例性实施例中，还提供一种室内效果图生成装置。图13示出了室内效果图生成装置的结构示意图，如图13所示，室内效果图生成装置1300可以包括：户型向量模块1310、家具向量模块1320和效果渲染模块1330。其中：
户型向量模块1310，被配置为获取房间调整向量和家具调整向量，并对房间调整向量进行生成需求分析得到户型更新向量；家具向量模块1320，被配置为对户型更新向量进行户型布局分析得到家具表征向量，并对家具调整向量进行布局更新处理得到家具需求向量；效果渲染模块1330，被配置为对家具需求向量进行家具布局分析得到户型表征向量，并利用家具表征向量和户型表征向量渲染出室内效果图。
在本发明的一种示例性实施例中，所述对所述房间调整向量进行生成需求分析得到户型更新向量，包括：
对所述房间调整向量进行房间数量参数化得到房间数量向量，并对所述房间调整向量进行相邻参数化处理得到相邻关系向量；
对所述房间调整向量进行房间类别参数化得到房间类别向量，并对所述房间数量向量、所述相邻关系向量和所述房间类别向量进行向量拼接处理得到户型更新向量。
在本发明的一种示例性实施例中，所述对所述户型更新向量进行户型布局分析得到家具表征向量，包括：
对所述户型更新向量进行房型跨域处理得到房型跨域向量，并对所述房型跨域向量进行家具数量参数化得到综合数量向量；
对所述房型跨域向量进行家具类别参数化得到综合类别向量，并对所述综合数量向量和所述综合类别向量进行顺序拼接处理得到顺序拼接向量；
对所述顺序拼接向量进行家具房型映射得到综合改变向量，以确定所述综合数量向量、所述综合类别向量和所述综合改变向量为所述家具表征向量。
在本发明的一种示例性实施例中，所述对所述家具调整向量进行布局更新处理得到家具需求向量，包括：
对所述家具调整向量进行布局需求分析得到家具布局向量；
对所述家具布局向量进行布局更新处理得到家具需求向量。
在本发明的一种示例性实施例中，所述对所述家具调整向量进行布局需求分析得到家具布局向量，包括：
对所述家具调整向量进行家具数量参数化得到家具数量向量，并对所述家具调整向量进行家具类别参数化得到家具类别向量；
对所述家具数量向量和所述家具类别向量进行顺序拼接处理得到家具拼接向量，并对所述家具拼接向量进行家具房型映射得到布局改变向量，以确定所述家具数量向量、所述家具类别向量和所述布局改变向量作为家具布局向量。
在本发明的一种示例性实施例中，所述对所述家具布局向量进行布局更新处理得到家具需求向量，包括：
对所述布局改变向量进行房间选定处理得到更新房间标识，并获取与所述更新房间标识对应的原始房间视图；
对所述原始房间视图、所述家具数量向量和所述家具类别向量进行更新编码处理得到更新编码向量，并对所述更新编码向量进行更新解码处理得到目标房间视图；
对所述目标房间视图和所述更新编码向量进行需求计算处理得到家具需求向量。
在本发明的一种示例性实施例中，所述对所述家具需求向量进行家具布局分析得到户型表征向量，包括：
对所述家具需求向量进行家具跨域处理得到家具跨域向量，并对所述家具跨域向量进行房间数量参数化得到融合数量向量；
对所述家具跨域向量进行相邻参数化处理得到融合关系向量，并对所述家具跨域向量进行房间类别参数化得到融合类别向量，以确定所述融合数量向量、所述融合关系向量和所述融合类别向量为户型表征向量。
在本发明的一种示例性实施例中，所述利用所述家具表征向量和所述户型表征向量渲染出室内效果图，包括：
对所述户型更新向量进行初始生成处理得到初始户型向量，并对所述初始户型向量进行矩形生成处理得到房间矩形向量；
利用所述房间矩形向量、所述家具表征向量和所述户型表征向量渲染出室内效果图。
上述室内效果图生成装置1300的具体细节已经在对应的室内效果图生成方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了室内效果图生成装置1300的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
下面参照图14来描述根据本发明的这种实施例的电子设备1400。图14显示的电子设备1400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图14所示，电子设备1400以通用计算设备的形式表现。电子设备1400的组件可以包括但不限于：上述至少一个处理单元1410、上述至少一个存储单元1420、连接不同系统组件(包括存储单元1420和处理单元1410)的总线1430、显示单元1440。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1410执行，使得所述处理单元1410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元1420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)1421和/或高速缓存存储单元1422，还可以进一步包括只读存储单元(ROM)1423。
存储单元1420还可以包括具有一组(至少一个)程序模块1425的程序/实用工具1424，这样的程序模块1425包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1400也可以与一个或多个外部设备1600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1400交互的设备通信，和/或与使得该电子设备1400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1450进行。并且，电子设备1400还可以通过网络适配器1460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1440通过总线1430与电子设备1400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图15所示，描述了根据本发明的实施例的用于实现上述方法的程序产品1500，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
Claims (9)
1.一种室内效果图生成方法，其特征在于，所述方法包括：
获取房间调整向量和家具调整向量，并对所述房间调整向量进行生成需求分析得到户型更新向量；
对所述户型更新向量进行户型布局分析得到家具表征向量，并对所述家具调整向量进行布局更新处理得到家具需求向量；
对所述家具需求向量进行家具布局分析得到户型表征向量，并利用所述家具表征向量和所述户型表征向量渲染出室内效果图；
其中，所述对所述户型更新向量进行户型布局分析得到家具表征向量，包括：
对所述户型更新向量进行房型跨域处理得到房型跨域向量，并对所述房型跨域向量进行家具数量参数化得到综合数量向量；
对所述房型跨域向量进行家具类别参数化得到综合类别向量，并对所述综合数量向量和所述综合类别向量进行顺序拼接处理得到顺序拼接向量；
对所述顺序拼接向量进行家具房型映射得到综合改变向量，以确定所述综合数量向量、所述综合类别向量和所述综合改变向量为所述家具表征向量；
其中，所述对所述家具需求向量进行家具布局分析得到户型表征向量，包括：
对所述家具需求向量进行家具跨域处理得到家具跨域向量，并对所述家具跨域向量进行房间数量参数化得到融合数量向量；
对所述家具跨域向量进行相邻参数化处理得到融合关系向量，并对所述家具跨域向量进行房间类别参数化得到融合类别向量，以确定所述融合数量向量、所述融合关系向量和所述融合类别向量为户型表征向量。
2.根据权利要求1中所述的室内效果图生成方法，其特征在于，所述对所述房间调整向量进行生成需求分析得到户型更新向量，包括：
对所述房间调整向量进行房间数量参数化得到房间数量向量，并对所述房间调整向量进行相邻参数化处理得到相邻关系向量；
对所述房间调整向量进行房间类别参数化得到房间类别向量，并对所述房间数量向量、所述相邻关系向量和所述房间类别向量进行向量拼接处理得到户型更新向量。
3.根据权利要求1所述的室内效果图生成方法，其特征在于，所述对所述家具调整向量进行布局更新处理得到家具需求向量，包括：
对所述家具调整向量进行布局需求分析得到家具布局向量；
对所述家具布局向量进行布局更新处理得到家具需求向量。
4.根据权利要求3所述的室内效果图生成方法，其特征在于，所述对所述家具调整向量进行布局需求分析得到家具布局向量，包括：
对所述家具调整向量进行家具数量参数化得到家具数量向量，并对所述家具调整向量进行家具类别参数化得到家具类别向量；
对所述家具数量向量和所述家具类别向量进行顺序拼接处理得到家具拼接向量，并对所述家具拼接向量进行家具房型映射得到布局改变向量，以确定所述家具数量向量、所述家具类别向量和所述布局改变向量作为家具布局向量。
5.根据权利要求4所述的室内效果图生成方法，其特征在于，所述对所述家具布局向量进行布局更新处理得到家具需求向量，包括：
对所述布局改变向量进行房间选定处理得到更新房间标识，并获取与所述更新房间标识对应的原始房间视图；
对所述原始房间视图、所述家具数量向量和所述家具类别向量进行更新编码处理得到更新编码向量，并对所述更新编码向量进行更新解码处理得到目标房间视图；
对所述目标房间视图和所述更新编码向量进行需求计算处理得到家具需求向量。
6.根据权利要求1所述的室内效果图生成方法，其特征在于，所述利用所述家具表征向量和所述户型表征向量渲染出室内效果图，包括：
对所述户型更新向量进行初始生成处理得到初始户型向量，并对所述初始户型向量进行矩形生成处理得到房间矩形向量；
利用所述房间矩形向量、所述家具表征向量和所述户型表征向量渲染出室内效果图。
7.一种室内效果图生成装置，其特征在于，包括：
户型向量模块，被配置为获取房间调整向量和家具调整向量，并对所述房间调整向量进行生成需求分析得到户型更新向量；
家具向量模块，被配置为对所述户型更新向量进行户型布局分析得到家具表征向量，并对所述家具调整向量进行布局更新处理得到家具需求向量；
效果渲染模块，被配置为对所述家具需求向量进行家具布局分析得到户型表征向量，并利用所述家具表征向量和所述户型表征向量渲染出室内效果图；
其中，所述家具向量模块对所述户型更新向量进行户型布局分析得到家具表征向量，包括：
对所述户型更新向量进行房型跨域处理得到房型跨域向量，并对所述房型跨域向量进行家具数量参数化得到综合数量向量；
对所述房型跨域向量进行家具类别参数化得到综合类别向量，并对所述综合数量向量和所述综合类别向量进行顺序拼接处理得到顺序拼接向量；
对所述顺序拼接向量进行家具房型映射得到综合改变向量，以确定所述综合数量向量、所述综合类别向量和所述综合改变向量为所述家具表征向量；
其中，所述效果渲染模块对所述家具需求向量进行家具布局分析得到户型表征向量，包括：
对所述家具需求向量进行家具跨域处理得到家具跨域向量，并对所述家具跨域向量进行房间数量参数化得到融合数量向量；
对所述家具跨域向量进行相邻参数化处理得到融合关系向量，并对所述家具跨域向量进行房间类别参数化得到融合类别向量，以确定所述融合数量向量、所述融合关系向量和所述融合类别向量为户型表征向量。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6中任意一项所述的室内效果图生成方法。
9.一种电子设备，其特征在于，包括：
处理器；
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器被配置为经由执行所述可执行指令来执行权利要求1-6中任意一项所述的室内效果图生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110941316.0A CN113656873B (zh) | 2021-08-17 | 2021-08-17 | 室内效果图生成方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110941316.0A CN113656873B (zh) | 2021-08-17 | 2021-08-17 | 室内效果图生成方法及装置、存储介质、电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113656873A CN113656873A (zh) | 2021-11-16 |
| CN113656873B true CN113656873B (zh) | 2024-04-30 |
Family
ID=78491214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110941316.0A Active CN113656873B (zh) | 2021-08-17 | 2021-08-17 | 室内效果图生成方法及装置、存储介质、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113656873B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101912686B1 (ko) * | 2017-11-22 | 2018-10-29 | 최재영 | 니즈에 대응하는 다운사이징 하우스 모델 또는 원룸 모델을 제공하는 방법 및 서버 |
| CN110110478A (zh) * | 2019-05-20 | 2019-08-09 | 广东三维家信息科技有限公司 | 房间模型绘制方法、装置和计算机设备 |
| CN110543684A (zh) * | 2019-08-05 | 2019-12-06 | 东易日盛家居装饰集团股份有限公司 | 室内效果图生成方法、服务器及系统 |
| CN111553012A (zh) * | 2020-04-28 | 2020-08-18 | 广东博智林机器人有限公司 | 一种家装设计方法、装置、电子设备及存储介质 |
| CN112257328A (zh) * | 2020-07-08 | 2021-01-22 | 武汉智筑完美家居科技有限公司 | 家具布局方法及电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8989440B2 (en) * | 2012-03-27 | 2015-03-24 | Way Out Ip, Llc | System and method of room decoration for use with a mobile device |
-
2021
- 2021-08-17 CN CN202110941316.0A patent/CN113656873B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101912686B1 (ko) * | 2017-11-22 | 2018-10-29 | 최재영 | 니즈에 대응하는 다운사이징 하우스 모델 또는 원룸 모델을 제공하는 방법 및 서버 |
| CN110110478A (zh) * | 2019-05-20 | 2019-08-09 | 广东三维家信息科技有限公司 | 房间模型绘制方法、装置和计算机设备 |
| CN110543684A (zh) * | 2019-08-05 | 2019-12-06 | 东易日盛家居装饰集团股份有限公司 | 室内效果图生成方法、服务器及系统 |
| CN111553012A (zh) * | 2020-04-28 | 2020-08-18 | 广东博智林机器人有限公司 | 一种家装设计方法、装置、电子设备及存储介质 |
| CN112257328A (zh) * | 2020-07-08 | 2021-01-22 | 武汉智筑完美家居科技有限公司 | 家具布局方法及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113656873A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108280026B (zh) | 游戏自动化测试方法及装置、存储介质、电子设备 | |
| Tran et al. | Shape grammar approach to 3D modeling of indoor environments using point clouds | |
| CN110262865B (zh) | 构建游戏场景的方法及装置、计算机存储介质、电子设备 | |
| Tian | [Retracted] Immersive 5G Virtual Reality Visualization Display System Based on Big‐Data Digital City Technology | |
| WO2023241097A1 (zh) | 一种语义实例重建方法、装置、设备及介质 | |
| US20210295527A1 (en) | Algorithmic approach to finding correspondence between graphical elements | |
| CN110465089A (zh) | 基于图像识别的地图探索方法、装置、介质及电子设备 | |
| EP3803804A1 (en) | Placing and solving constraints on a 3d environment | |
| Zhang et al. | VGI3D: an interactive and low-cost solution for 3D building modelling from street-level VGI images | |
| Chalhoub et al. | Effect of varying task attributes on augmented reality aided point layout. | |
| CN108958731A (zh) | 一种应用程序界面生成方法、装置、设备和存储介质 | |
| CN114655382A (zh) | 一种船舶结构动力学分析结果的虚拟可视化系统及方法 | |
| CN113656873B (zh) | 室内效果图生成方法及装置、存储介质、电子设备 | |
| CN107481307B (zh) | 一种快速渲染三维场景的方法 | |
| Shen et al. | Urban planning using augmented reality | |
| CN107704483A (zh) | 一种三维模型的加载方法 | |
| CN115294283B (zh) | 一种数字孪生工厂构建方法、装置、设备和存储介质 | |
| JP7160295B1 (ja) | 学習モデルの生成方法、情報処理装置、情報処理方法、コンピュータプログラム | |
| CN113628324A (zh) | 一种智慧高速公路vr互动教学系统 | |
| Levante | Data Management and Virtual Reality Applications of BIM models | |
| CN109657126A (zh) | 答案生成方法、装置、设备和介质 | |
| Brasebin et al. | A knowledge base to classify and mix 3d rendering styles | |
| Bahrehmand | A Computational model for generating and analysing architectural layouts in virtual environments | |
| Thomas | Integrated graphic and computer modelling | |
| Shen et al. | Research on Applications of Image Processing Technologies in Interior Design Information System |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |