计算机辅助设计与图形学学报

作者：朱成, 赵光哲, 林本旺, 王雪平

关键词：建筑图像编辑, 生成对抗网络反演, 残差空间学习

建筑图像层次结构的复杂性给图像编辑带来了一定的挑战. 虽然部分工作结合重建和编辑的方法进行建筑图像编辑, 但由于图像编码到的空间维度较低, 容易丢失空间信息, 导致编辑后的建筑图像发生扭曲, 难以保持结构一致性. 为了解决上述问题, 提出一种基于StyleGAN的建筑图像编辑模型ABEditor. 首先提出多层次结构的残差空间网络, 用于学习多层空间特征和风格特征, 并连接到StyleGAN对应维度的高维特征空间; 通过逐层校正精确地重建输入图像, 以表达丰富的空间信息; 在合成网络更接近于输出的后期层, 使用编码器将图像映射到低维隐空间,保证图像的颜色细节. 为了更准确地评估编辑效果, 提出一种基于语义分割的平均像素编辑距离(APEDS)评价指标.在LSUN Church数据集上与相关方法进行实验的结果表明, ABEditor在保留建筑图像细节和空间结构方面有所提升,在SSIM, FID, L2, LPIPS, PSNR和APEDS定量分析指标中, 分别提升28.64%, 20.74%, 13.67%, 1.67%, 10.01%和21.26%.

来源：2025年第10期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第10期