💻 computer science

GardenDesigner: Encoding Aesthetic Principles into Jiangnan Garden Construction via a Chain of Agents

本文提出了 GardenDesigner 框架，通过结合基于程序化建模的代理链与专家知识（GardenVerse），将江南园林的美学原则编码为自动化流程，使非专家用户仅需一分钟即可通过文本输入生成多样化且美观的江南园林。

原作者： Mengtian Li, Fan Yang, Ruixue Xiong, Yiyan Fan, Zhifeng Xie, Zeyu Wang

发布于 2026-04-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Mengtian Li, Fan Yang, Ruixue Xiong, Yiyan Fan, Zhifeng Xie, Zeyu Wang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一个名为 GardenDesigner（园林设计师） 的聪明系统，它的使命是让普通人也能像古代大师一样，轻松设计并建造出充满诗意的中国江南园林。

为了让你更容易理解，我们可以把这篇论文的内容想象成**“教一个机器人如何成为一位懂艺术的园林大师”**的故事。

1. 以前的痛点：造园太难了

想象一下，以前要建一座江南园林（比如苏州的拙政园），就像是在拼一个极其复杂的乐高，而且没有说明书。

需要专家：你得找懂风水、懂诗词、懂植物搭配的专家。
耗时耗力：专家们要翻古书、画图纸、建模，一个团队忙活三四个星期才能搞定一个小园子。
门槛太高：普通人想玩一把“虚拟造园”，根本无从下手。

2. 核心方案：GardenDesigner 的“特工小队”

为了解决这个问题，作者们没有让 AI 直接“画”出一个园子，而是组建了一支**“特工小队”（Chain of Agents）**。这支小队分工明确，像流水线一样工作，但每一步都充满了“艺术修养”。

这就好比你要装修房子，不是让装修队乱搭，而是请了四位大师级管家：

管家 A（地形师）：先定“水”和“山”
- 任务：江南园林的灵魂是“水”。管家 A 会根据你的文字描述（比如“我要一个幽静的角落”），用一种叫“遗传算法”的魔法，先画出地形。
- 秘诀：它特别强调“水为中心”，确保池塘、陆地和假山的位置像自然生长出来的一样，而不是生硬地堆在一起。
管家 B（引路师）：设计“曲径通幽”
- 任务：在画好的地形上修路。
- 秘诀：江南园林的路不能直来直去，要“蜿蜒曲折”，让人走着走着能发现新风景（移步换景）。管家 B 会故意避开直线，设计出那种让人想一直走下去的“探索型”小路。
管家 C（选品师）：从“百宝阁”里挑宝贝
- 任务：决定哪里放亭子，哪里种竹子，哪里摆太湖石。
- 秘诀：这里有一个超级重要的**“知识库”（GardenVerse）。这就像是一个由专家精心整理的“江南园林数字博物馆”，里面不仅有石头和树的 3D 模型，还附带了专家的“使用说明书”**（比如：这块石头适合放在水边，那棵竹子适合种在墙角）。管家 C 会查阅这个知识库，确保选出来的东西既有文化味儿，又符合美学。
管家 D（布局师）：最后的“微调大师”
- 任务：把选好的东西摆好位置。
- 秘诀：它手里拿着“美学尺子”（约束规则）。比如，“亭子不能挡路”、“石头要对着水”、“植物要高低错落”。它会不断调整，直到所有东西的位置都完美和谐，就像一首视觉上的诗歌。

3. 它的“超能力”：GardenVerse 数据集

这就好比给机器人装了一个**“大脑”。
以前的 AI 可能只知道“树”和“石头”，但不知道江南园林里“太湖石”和“普通石头”的区别，也不知道“漏窗”要对着什么。
作者们专门收集并标注了132 个高质量的江南园林元素（山石、植物、建筑），并让专家给它们写上了“文化注脚”**。这让 AI 不仅知道“放什么”，还知道“为什么要这么放”。

4. 实际效果：像聊天一样造园

输入：你只需要在 Unity 软件里输入一段话，比如：“我想建一个有白色粉墙、月亮门和几块太湖石的幽静小园。”
输出：不到一分钟，系统就生成了一个完整的 3D 园林。
- 你可以看到水绕着山，路弯弯曲曲。
- 你可以生成 2D 图纸，真的拿去盖房子。
- 你可以戴上 VR 眼镜，在里面“云旅游”。

5. 总结：为什么这很酷？

这就好比把“写诗”和“画画”的门槛给拆掉了。
以前，只有经过几十年训练的大师才能设计出“虽由人作，宛自天开”的江南园林。现在，GardenDesigner 把大师们的审美原则（Aesthetic Principles） 写进了代码里。

对普通人：你可以用文字指挥，瞬间拥有自己的虚拟园林，用于游戏开发、VR 体验，甚至真的去盖一个。
对文化传承：它把那些只存在于古书和老专家脑子里的“造园智慧”，变成了数字化的、可传播的资产，让这种古老的艺术形式在数字时代“活”了过来。

一句话总结：
GardenDesigner 就像是一个**“懂中国文化的 AI 管家团队”**，它把复杂的造园艺术拆解成简单的步骤，让你只需动动手指输入文字，就能拥有一座充满诗意的江南园林。

这是一篇关于GardenDesigner的论文技术总结，该框架旨在通过多智能体链（Chain of Agents）和程序化建模，将江南园林的美学原则编码并自动化生成。

1. 研究背景与问题 (Problem)

背景：江南园林是中国古典园林的重要流派，具有极高的文化价值和作为影视、游戏及数字旅游数字资产的潜力。
痛点：
1. 人工成本高：传统建模依赖专家经验，涉及文档检索、资产建模和专家设计，耗时（通常需 3-4 周）且依赖少数设计师。
2. 现有方法局限性：
  - 基于学习的方法受限于训练数据的领域约束，泛化能力差。
  - 现有的程序化建模（结合 LLM/VLM）多关注室内空间或无结构的自然环境，缺乏对江南园林复杂地形、水景逻辑及文化内涵的建模。
3. 数据缺失：缺乏带有风格化外观和文化标注的江南园林专用 3D 数据集。
4. 核心挑战：如何将抽象的江南园林美学原则（如“以水为魂”、“曲径通幽”）转化为可计算的生成规则。

2. 方法论 (Methodology)

GardenDesigner 是一个集成了多智能体链、程序化建模和美学原则编码的框架。其核心流程分为两个主要模块：

2.1 分层园林构图 (Hierarchical Garden Composition)

该模块负责生成地形和道路，由两个智能体协作完成：

地形分布智能体 ( $A_T$ )：
- 基于遗传算法（Genetic Algorithm）在 2D 网格上生成地形。
- 定义了四种地形类型：外部区域、水体、陆地、地面。
- 核心创新：引入**“以水为中心”的损失函数 (Water-centric Loss)**，确保水体作为园林灵魂的组织作用，避免产生散乱的水塘。
道路生成智能体 ( $A_R$ )：
- 基于地形生成探索性路径。
- 核心创新：设计了网格评分机制，鼓励路径沿边界蜿蜒、避免直线和过度对称，模拟“曲径通幽”的游览体验，而非简单的几何连通。

2.2 知识嵌入的资产布置 (Knowledge-Embedded Asset Arrangement)

该模块负责在生成的地形和道路上选择和布置资产（建筑、植物、山石），由两个智能体协作：

资产选择智能体 ( $A_S$ )：
- 利用GardenVerse数据集（见下文），通过大语言模型（LLM）查询带有专家标注知识的资产。
- 根据区域信息（如“水边”、“亭台”）和文化约束，检索合适的资产列表。
布局优化智能体 ( $A_C$ )：
- 将美学原则转化为具体的空间约束（8 种约束类型，5 个语义类别：全局、位置、距离、对齐、旋转）。
- 定义优化损失函数（Global, Position, Distance, Alignment, Rotation Loss），使用深度优先搜索 (DFS) 算法寻找满足约束的最优布局解，确保物体摆放符合“不对称平衡”和“藏露结合”的美学逻辑。

2.3 GardenVerse 数据集

为了解决数据缺失问题，作者构建了 GardenVerse 数据集：

规模：包含 132 个高质量 3D 资产（33 个山石、44 个植物、54 个建筑）。
特点：包含单体元素和预组合的“植物 + 山石”组合。
知识标注：由园林专家对每个资产进行详细标注，包括视觉属性、空间构图、适用季节、文化描述及上下文放置建议，并将这些知识向量化存储供 LLM 检索。

2.4 交互系统

基于 Unity 开发了交互式界面。
非专家用户可通过文本输入在 1 分钟内生成园林。
支持导出 2D 布局图辅助实体建造，以及 VR/AR 体验。

3. 主要贡献 (Key Contributions)

GardenDesigner 框架：首个将江南园林美学原则编码并整合多智能体链进行程序化生成的框架。
分层构图与知识嵌入机制：提出了分层生成地形/道路的方法，以及基于专家知识引导的资产检索与布局优化机制。
GardenVerse 数据集：构建了首个包含专家知识标注的江南园林专用 3D 资产库。
交互式系统：实现了从文本到 3D 园林的快速生成，支持实体建造参考和虚拟旅游。

4. 实验结果 (Results)

定量评估：
- 路径合理性 (Path-S)：GardenDesigner 得分为 8.1，显著优于基线方法（0），表明路径与建筑连接更合理。
- 资产多样性 (Class-Div)：生成的资产类别从 26 种提升至 71 种。
- 结构复杂度 (Fractal Dimension)：分形维数为 1.36，更接近真实江南园林（1.123-1.329），表明空间结构更自然。
- 美学评分：在 VLM-Score 和 QA-Quality 等指标上均大幅超越基线方法（如 Liu et al. [25]）。
消融实验：
- 移除“知识嵌入资产布置”模块后，结构复杂度和视觉一致性显著下降，证明了美学约束和知识引导的重要性。
- 引入 GardenVerse 数据集后，基线方法的生成质量也有显著提升。
人工评估：
- 邀请 11 位园林专家和 32 位非专家进行评估。
- 在整体质量、文本相关性、空间布局和文化氛围四个维度上，GardenDesigner 的选中率均最高（专家组在文化氛围上选中率达 59%）。
- 证明该方法能有效捕捉江南园林的文化精髓。

5. 意义与影响 (Significance)

文化遗产保护：将复杂的江南园林设计原则数字化，降低了创作门槛，有助于非物质文化遗产的活态传承。
行业应用：为电影、游戏开发提供快速生成高质量东方风格场景的工具，同时生成的 2D 布局可直接辅助现实园林的工程建设。
技术拓展：提出的“知识嵌入 + 智能体链 + 程序化优化”范式，可推广至其他具有复杂美学规则和文化背景的生成任务（如欧式皇家园林、寺庙布局等）。

总结：GardenDesigner 成功解决了江南园林自动化生成中“美学原则难以编码”和“缺乏领域数据”的难题，通过结合专家知识、大模型推理和程序化优化，实现了从文本描述到符合文化逻辑的 3D 园林的高效生成。