一种基于多机器学习模型耦合的建筑界面风格迁移与优化方法

本发明提出一种基于多机器学习模型耦合的建筑界面风格迁移与优化方法。所述方法基于多种机器学习技术，构建建筑界面风格迁移模型，以获取不同建筑风格特征及其映射关系。基于去噪扩散概率模型和循环生成对抗网络，实现不同建筑风格之间的高质量风格迁移，通过神经网络优化建筑界面设计方案的稳定性和细节质量，结合多目标优化方法生成符合城市设计要求的建筑界面布局方案。相比现有技术，本发明在建筑界面风格迁移的精度、生成方案的适应性及优化设计效率方面具有显著优势。同时，由于设计流程的可逆性，方案的生成结果可以随时返回任意步骤进行优化，直至生成图像符合建造设计需求。