从原型到体量：通过图对应学习实现可扩展立面建模

研究人员提出一种通过图对应学习将设计师原型立面逻辑迁移至目标建筑体量的新工作流。该方法将原型与体量表示为异构属性图，采用带有实例局部三元组监督的孪生图注意力网络进行嵌入，在 85/15 语料库测试集上达到 96.5% 的 top-1 准确率，大幅优于 76.5% 的原始特征基线。研究还构建了 Rhino 演示工具，并在 4 个建成项目上验证了跨不同体量结构的复用效果。