发表前说明： 数据集与模型权重在论文正式发表前不对外公开。本页仅提供方法摘要与引用信息。
标题（待定）
中文：GraphSpace：基于异构图与条件变分自编码器的住宅功能布局生成
English：GraphSpace: Heterogeneous Graph-based Conditional Residential Layout Generation with Lighting and Modular Constraints
项目品牌：SpaceModal（空间模态）· 产品方向 ModalPlan（模态户型）
摘要
住宅方案设计早期阶段需要在用地边界、功能清单与建造模数等多重约束下快速探索布局可能性。 GraphSpace 提出一套将空间拓扑结构化为异构图网络的表达方法， 并基于 SpatialModalCVAE 实现条件驱动的三维功能体块生成。 系统从 Rhino 三维模型提取房间邻接、采光面与流线关系， 经离线质量校验后用于 GNN 编码与 CVAE 潜空间学习， 最终通过 3D 体素解码输出符合 300mm 模数的功能体块布局。
方法概述
- 拓扑提取 — Rhino 脚本导出 JSON：节点、邻接边、采光面属性
- 异构图编码 — HeteroGraphVAEEncoder 分类型编码
- 条件 CVAE — 潜空间注入用地、功能清单、朝向与采光约束
- 体素解码 — 96×96×32 栅格，300mm 模数
- 量化评估 — mIoU、program_acc、模数合规率等
引用格式
@misc{spacemodal2026,
title = {GraphSpace: Heterogeneous Graph-based Conditional Residential Layout Generation},
author = {[Authors]},
year = {2026},
url = {https://spacemodal.com/paper/},
note = {Project brand: SpaceModal}
}