基于生成式AI人机协同的室内设计研究——以DeepSeek与Stable Diffusion为例.pdfVIP

技术探讨

基于生成式AI人机协同的室内设计研究

——以DeepSeek与Stable Diffusion为例

王嘉毅/天津美术学院天津300000

摘要：本文提出一种基于生成式人工智能的人机协同室内设计方法，构建了融合语言模型DeepSeek与图像生成模型StableDiffusion的协同工作

流。通过引入CLIP语义相似度评分机制，从6组不同Lora风格模型生成的图像中筛选出30张进行量化评估，建立语义控制与图像质量之间的对应关

系。实验结果表明，该流程能有效提升AI图像生成的效率、语义适配度与风格控制能力，实现设计意图与生成结果的高度匹配。研究为AI在室内

设计创意表达阶段的实用化应用提供了方法支撑。

关键词：生成式AI；室内设计；CLIP语义评分；StableDiffusion；DeepSeek

1 AI背景下的室内设计

1.1 人工智能技术概述

近年来，随着人工智能技术的迅速发展，以大语言模型（LLM）和扩散模型（DiffusionModel）为代表的生成式AI（AIGC）

技术，已广泛应用于设计辅助与创意生成流程[1-3]。其中，语言模型如DeepSeek可对设计意图进行语义解析、关键词提炼与提示

词（Prompt）构建，为图像生成提供语义基础。图像生成平台如StableDiffusion基于深度学习实现图文映射，可根据指令词快

速生成具有特定风格、材质与构图逻辑的空间图像。二者协同应用构成“语义生成—图像输出”的闭环式设计路径。

1.2 AI协同设计中的流程障碍

在设计流程中如何实现人机高效协同，仍是研究与实践的难题[4]。现阶段AI多以图像生成工具参与，尚未深入嵌入从语义输

入到图像优化的完整路径。设计师在提示词构建、参数设定与图像筛选间频繁切换，协作逻辑不清，导致流程碎片化、响应延迟

与控制不足。同时，提示词语义缺乏规范，生成结果易出现风格漂移与表达偏差。更关键的是，图像质量评估仍依赖主观判断，

缺乏量化体系。本文引入CLIP语义相似度指标，构建生成—评估—优化的闭环机制，推动AI深入参与设计表达与视觉控制，从而

提升其在室内设计流程中的效率与可控性。

1.4 AI辅助设计工作流与研究框架

本文围绕生成式人工智能在室内设

计中的高效协同应用展开，重点在于联

动语言生成模型与图像生成模型，构建研语言语义建模法语输入阶段语Prompt文本向量评输

究言言CLIP相似度分值价入

一套由语义输入、图像生成、语义评分方一一反一

馈输

与反馈优化构成的AI辅助设计工作流法图像生成实验法图生成阶段图机出

与像像输输制一

（图1）。该流程以DeepSeek生成语言提评协协入出与在

同同端处端系输

示词为起点，经由StableDiffusion实现价语义相似评分法设评估阶段设数理数统入

图像生成，再借助CLIP模型对结果进行指计计据方据迭闭

标