02 / AI WORKFLOW · 建筑渲染
AI 建筑概念渲染
自动化工作流
基于 SDXL + ComfyUI 开发高精度可控的自动化渲染管线，通过 ControlNet 多重空间约束将建筑结构还原度从 40% 提升至 90%，交付效率提升 240 倍（2 小时 → 30 秒）。
角色
AI 工作流负责人
时间
2025.06 — 2025.09
核心技术
SDXL · ComfyUI · ControlNet · LoRA
为什么这个项目很难
建筑效果图的生成并非「画一张好看的图」，而是要在保持建筑结构精准、空间比例正确的前提下，实现风格的艺术化表达。
原始扩散模型对于建筑的「空间理解」极其薄弱——生成的图形态优先，结构混乱，与方案图纸几乎无关，商业化无法使用。
核心矛盾
ControlNet 多重空间约束
引入 ControlNet 多路并联策略，同时输入建筑线稿（Canny）、深度图（Depth）与法线图（Normal），通过三维空间信号的叠加约束，将模型「看懂」建筑结构的能力从 40% 提升至 90%。
Canny Edge
精准捕捉建筑线条轮廓，控制立面分割逻辑
Depth Map
重建三维空间层次，防止透视崩坏
Normal Map
保持曲面法线一致，确保材质渲染正确
BEFORE
~40%
建筑结构还原度
AFTER
90%
建筑结构还原度
LoRA 模块化风格系统
训练独立的风格 LoRA 模型库（现代极简 / 新中式 / 北欧木构），通过 LoRA 权重动态叠加实现「即插即用」的风格切换，同一套建筑方案可在 30 秒内生成多风格版本供业主选择。
LoRA-Modern
现代极简
玻璃幕墙、清水混凝土、线性结构
LoRA-Chinois
新中式
坡屋顶、格栅、传统院落比例
LoRA-Nordic
北欧木构
木材纹理、大开窗、自然采光感
ComfyUI 节点流水线
基于 ComfyUI 节点图构建全自动化渲染管线：图纸输入 → ControlNet 预处理 → SDXL 生成 → LoRA 风格注入 → 后处理增强 → 批量导出。将原本需要 2 小时的人工操作压缩至 30 秒全自动完成。
质量控制机制
引入 ADetailer 面部修复节点与 Upscale 超分辨率模块，并设计自动化质检节点——检测图像锐度与 CLIP Score，低于阈值自动重跑，确保每张输出图达到商业可用标准。
240×
效率提升
EFFICIENCY GAIN
90%
结构还原度
STRUCTURE ACCURACY
30 s
单图耗时
TIME PER IMAGE
如果重来
会更早建立「风格质量评估体系」——当前主要依赖肉眼判断风格还原度，这导致 LoRA 训练方向缺乏量化反馈。引入 CLIP 风格向量相似度作为自动评分，可以让训练迭代从「经验驱动」变为「数据驱动」，进一步将还原度从 90% 推向 95%+。