使用CNN-GNN模型进行客观的室内景观审美评估的深度学习框架
Zixuan Zheng1,2, Ding Yang3, Li Zeng4
1College of Furniture and Art Design, Central South University of Forestry and Technology, Changsha, 410004, China.
Scientific reports
|November 19, 2025
概括
本研究介绍了使用卷积神经网络 (CNN) 和图形神经网络 (GNN) 进行客观室内景观美学评估的深度学习框架. 与传统方法相比,这种新的方法显著提高了准确性和审美评分.
科学领域:
- 计算机科学 计算机科学
- 建筑学 建筑学 建筑学 建筑学
- 环境心理学 环境心理学
背景情况:
- 城市化增加了室内景观设计对福祉的重要性.
- 主观的人类判断限制了传统的审美评价方法.
- 需要客观,高效的室内景观评估工具.
研究的目的:
- 为客观室内景观审美评价开发一个深度学习框架.
- 为了整合CNN和GNN进行全面的特征提取.
- 提高审美评估的效率和准确性.
主要方法:
- 使用混合深度学习模型,结合CNN和GNN.
- 在基准室内景观数据集上训练和评估模型.
- 从图像中分析了全球和本地美学特征.
主要成果:
- 获得了97.74%的准确性,比传统方法提高了7.54%.
- 显示了14.21%的更高的审美评分.
- 在功能评估指标上表现出10.6点的改善.
结论:
- CNN-GNN框架为室内景观美学提供了强大而客观的解决方案.
- 这种方法促进了高效的设计优化和用户体验增强.
- 突出了AI在建筑和环境设计评估中的潜力.
