最近在刷社交媒体的时候，发现深圳前海新中心获奖建筑开始受到不少关注。如果社交媒体上没有用户分享相关的资讯或者建筑师比较低调没有对外发布作品，那这个信息估计不太会被我留意到。网红建筑，涉及社交媒体、传播学、建筑学等学科，非常值得研究。而且“网红”二字，非常容易带建筑师出圈（如下图）。基于社交媒体传播的建筑，才有可能成为网红建筑。那么，什么样的作品才能称之为网红建筑？
通过统计在社交媒体上的关注度可能是比较好的评估维度。关注度是一个总量的概念，配合时间维度，我们可以了解建筑作品在社交媒体上的存活周期。
这是一种评估手段，当然还需作品本身“实力过硬”。
藤本壮介重新定义了21世纪“塔”的形象，提出了岛屿组合、未来空中城市以及悬浮空中的喷泉吊坠结构。
真的很有科幻感。
欣赏完大师作品，我们回到现实。作为一名设计师，你是不是还在学习以下这些材料？2021年效果图整理——总平面图
总平面图填色参考 6000 例
早些年，我们还需要手绘施工图，有了cad软件之后，施工图设计师基本摆脱了手绘。平面图上色，目前还是需要在软件上完成，俗称“平渲”，也许再过几年，设计师不用再学习如何上色了。使用GAN对城市设计的总平图渲染上色，其中输入是AutoCAD格式的线稿。🚀 数据集
作者通过在Pinterest网站上采集大量总图，配合以图搜图的保证风格类似，经过筛选后选取大约5000张作为数据集。基于CycleGAN算法进行训练。因为数据集是非配对数据集，所以选取CycleGAN无监督学习算法。Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
junyanz.github.io/CycleGAN
参考：MasterplanGAN
Facilitating the Smart Rendering of Urban Master Plans via Generative Adversarial Networks
什么是非配对数据集？在cycleGAN被发明之前，训练图像到图像的生成网络需要使用成对的数据集。
举个栗子，比如一个包含图像X（手绘线稿）以及另一套相同图像但经过修改的图像Y（真实照片）的大数据集。配对（成对），如下方左图所示，X和Y之间的图片是严格一一对应的；而非配对（非成对）数据集是什么样的？如下图右图所示，X和Y之间的图片并不需要一一严格对应。所以准备数据集也方便了，只需要收集线稿平面图和上好色的，并不需要一一对应。
平面图上色只是冰山一角，更大的设计技术变革正在发生。
Computational Urban Design计算型城市设计被越来越广泛地使用着。早在2016年，KPF就成立了 Urban Interface团队。该团队致力于将数据技术应用到城市设计当中，包括但不限于：量化研究建筑与城市设计对周围环境的影响、可视化相关数据、打造互动性的设计平台。目标是让更多利益相关者参与到计算设计过程中。“智慧城市”能否不仅仅是将技术嫁接到传统设计上？而是将计算智能直接嵌入到建筑的形式当中，综合考虑城市的体验和功能效率。KPF坚信这种迭代的、分析的、基于模拟的工作流程是建筑和城市设计的未来。💡 体验：舒适、日光、视觉兴趣
💡 功能效率：可持续性、建筑效率、交通和绿色空间的可达性
参考 ui.kpf.com/smarter-city
SimAUD
在2019年的建筑与城市设计模拟研讨会SimAUD上，KPF发表了一篇名为计算型城市设计框架的论文。How to Generate a Thousand Master Plans: A Framework for Computational Urban Design
详细讨论了计算型城市设计的方法。计算设计与传统设计流程的对比，一个最大的特征就是传统设计是线性的（周期长），而计算设计每一步都可以是自循环的（可迭代）；传统设计每次只能探索到设计的一个结果，而计算设计可以同时探索设计的多个结果。 把mixlab设为星标，每期干货，都会被微信置顶！
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
