基于草图的生成式AI立面改造：一个在工业建筑再利用中绕过竣工建模的精简框架

立面改造比整体拆除更可持续，但产出既保留既有结构又表达新意图的设计方案仍然困难。当前工作流通常要求在设计前进行细致的竣工建模，这耗时费力且常需反复修改。为解决这一问题，我们提出一个三阶段框架，结合生成式人工智能（AI）与视觉-语言模型（VLM），直接处理粗略结构草图与文字描述，产出一致的改造方案。首先，微调后的VLM模型根据输入草图预测边界框，指明何处需要修改以及应添加哪些构件。接着，stable diffusion模型生成新元素的细化草图，并通过生成式修补（inpainting）管线与原轮廓合并。最后，ControlNet被用于把结果精修为照片级真实图像。在数据集与真实工业建筑上的实验表明，所提框架能生成保留原始结构同时提升立面细节质量的改造方案。该方法有效绕过了细致竣工建模的需要，使建筑师能够快速探索设计备选方案、迭代早期概念，并更清晰地传达改造意图。