Revolutionierung architektonischer Anmerkungen

ServCAD ist ein innovatives Softwaretool zur Verbesserung der Architekturmodellierung durch die Integration erweiterter Anmerkungs- und Vorhersagefunktionen. ServCAD nutzt maschinelles Lernen, insbesondere Graph Neural Networks (GNNs), und bietet eine robuste Plattform für die Erstellung und Verarbeitung von Architekturzeichnungen. Nachfolgend finden Sie einen Überblick über die Funktionsweise von ServCAD in der Schulungs- und Testphase.

Trainingsphase

1. Datengenerierung:

  • Eingabe: Architekturzeichnungen mit Anmerkungen.

  • Prozess: Die Zeichnungen werden in ServCAD eingegeben, das diese Eingaben verarbeitet, um strukturierte Datendateien (wie element_data.csv und Elementinfo.txt) zu generieren.

2.Grafikerstellung:

  • Aus den generierten Daten wird ein Diagramm erstellt, das die Beziehungen und Abhängigkeiten zwischen verschiedenen Architekturelementen darstellt.

3. Etikettenvorhersage über GNN:

  • Anhand der Diagrammdaten wird ein neuronales Diagrammnetzwerk darauf trainiert, Beschriftungen für verschiedene Elemente vorherzusagen, wodurch die Fähigkeit des Modells verbessert wird, Komponenten in Architekturentwürfen automatisch zu kommentieren und zu erkennen.

Testphase

1. Modellanwendung:

  • Eingabe: Ein Rohmodell ohne Anmerkungen.

  • Prozess: ServCAD wendet das trainierte GNN-Modell auf die Roheingabe an und sagt Anmerkungen für die Elemente innerhalb des Modells voraus.

2.Ausgabegenerierung:

  • Die Ausgabe ist ein annotiertes Modell, bei dem jedes Element gemäß den Vorhersagen des GNN gekennzeichnet wurde.

  • Dieses Modell wird zusammen mit element_data.csv gespeichert, das jetzt vorhergesagte Beschriftungstypen enthält.

ServCAD rationalisiert den Prozess des Architekturentwurfs durch die Automatisierung der Anmerkungs- und Komponentenerkennungsaufgaben, reduziert manuelle Eingaben und erhöht die Genauigkeit und Effizienz. Die Integration von GNN für Vorhersagen ermöglicht eine kontinuierliche Verbesserung der Genauigkeit, da während der Trainingsphase mehr annotierte Daten in das System eingespeist werden.

a diagram of a data driven data driven data driven data driven data driven data driven
a diagram of a data driven data driven data driven data driven data driven data driven

Ich verfüge über mehr als 3 Jahre Architekturerfahrung. Ich habe ServCAD erstellt, eine KI-Plattform, die Anmerkungen für Architekten vereinfacht. Mein Ziel ist es, Zeit zu sparen und Kreativität zu fördern.


Erfahrung

2018-Present

Ausbildung

2013-2018 BSc

2021-2024 MSc

Fähigkeiten

Machine Learning, Generative AI, API

Aktuelle Werke

Wohndesign

Aktuelle Werke

Aktuelle Werke

Aktuelle Werke

Aktuelle Werke