方位之间已有测试阶段的 AI 大模型户型生成流程。功能开放且符合发布条件时,用户可主动选择从一张清晰完整的户型图生成 2D/3D 户型;是否可用以 App 与服务开放状态为准。

已有户型图、现场房间和可编辑数据分别怎么用?
方位之间的普通图片发布、AI 户型生成与 LiDAR 扫描是不同流程。已有清晰户型图时,可在功能开放后主动选择测试阶段的 AI 生成;在现场且设备兼容时,可用 LiDAR 扫描;已有兼容 JSON 时可导入编辑。生成或扫描完成后,都应复核墙体、门窗和关键尺寸。
| 已有资料 | 适合的功能 | 输出与复核 |
|---|---|---|
| 单张清晰完整户型图 | 主动选择 AI 户型生成;以当次开放状态为准。 | 成功后查看 2D/3D;核对遗漏、比例与尺寸,不保证每次成功。 |
| 可进入的真实房间 | 兼容 RoomPlan 的 LiDAR 设备现场扫描。 | 记录空间轮廓;遮挡和识别结果需要现场复核。 |
| 兼容的结构化 JSON | 导入后继续编辑;普通照片帖不等于可编辑户型。 | 核对格式版本、单位和门窗位置;PDF、CAD 不能当作兼容 JSON。 |
依据与操作说明
AI 户型识别、大模型与 3D 预览分别做什么
AI 户型识别尝试从图片整理空间结构,多模态大模型用于理解图像与文字信息,2D/3D 视图则用于展示生成的户型。图片转户型与生成装修效果图是不同任务:识别出墙体、门窗与房间关系,并不意味着生成了可施工的住宅设计或真实室内照片。
如何准备适合识别的户型图片
选择一张清晰、完整的户型图,尽量保留尺寸与门窗信息,避免裁掉边界。当前流程仅接受单张户型图,不混传实拍;非户型图或无法确认的图片不会生成可用户型。图片中看不清的尺寸、墙线和门窗位置需要后续核对,不能靠图像识别保证准确。
在 App 中如何发起 AI 户型生成
通过户型图入口准备发布,在符合条件且功能开放时主动选择“使用 AI 大模型自动生成 2D/3D 户型图”。该功能仍在测试阶段,服务未开放时不可用。发布后通过服务通知查看结果;成功后帖子关联生成的户型,未成功时保留原帖子和图片。
AI 图片识别与 LiDAR 房间扫描怎么选
已有清晰平面图时可以了解 AI 图片转户型;在真实房间内记录空间时可以使用兼容设备的 LiDAR 扫描。没有 LiDAR 也可使用兼容 JSON 导入和编辑。图片识别依赖图上的信息,扫描依赖设备与现场采集,两种结果都需要检查,不能直接作为专业测绘成果。
生成后先检查什么
对照原图检查房间是否完整、门窗是否在正确墙体上,以及单位、比例和尺寸是否合理。再进入 2D/3D 观察,记录不确定的位置并向专业人员求证。AI 户型生成不等于 AI 户型评价、自动风水分析或完整装修方案,当前不作识别成功率、耗时或精度承诺。
识别成功后,怎样把偏差交给后续编辑?
使用本页 11 月 4 日的真实测试时,把“浴室门宽 0.80 米被识别为 0.75 米”写成一个待校正项,同时附输入图和输出记录。再分别检查墙线、开门方向、房间闭合与尺寸来源,不把模型输出覆盖成现场测量。修改前保留原始结果,修改后导出一个可辨认的新版本;不同模型或不同图片应另记样本,不能用这一个样本的耗时或结果代表总体表现。
常见问答
这次真实测试用了什么图片和条件?
2026 年 11 月 4 日,我们用一张自绘的 1200 × 760 清晰 PNG,在本地识别流程中调用 qwen3.8-max。只进行一次真实调用,未做自动纠错或重试,记录耗时 95.552 秒。图片按外框墙中心线标注 8.40 × 4.80 米,包含两间卧室、一间浴室和开放客餐厨,共 4 个闭合区域、4 扇门与 3 扇窗;未提供楼层、建筑背景、墙高或承重资料。这是单个自绘样本,不是现场采集或客户案例。
实际识别出了什么,又有哪些偏差和遗漏?
本次识别的 4 扇门、3 扇窗及入户门标记正确;5 个空间名称对应 4 个闭合区域,客餐厅与开放厨房在同一区域。但纵向尺寸从原图的 4.80 米变为 4.78 米,浴室门宽从 0.80 米变为 0.75 米。结果仍是可导入、待校正的草稿,并提示部分通路的原图证据不足,不能确认通行关系。3.5 米墙高来自软件默认假设,不是实测值。本次人工核对了门窗数量、房间连接和上述尺寸,未完成全部几何精度检查;数量吻合不能代表识别精度合格。
怎样对照原图核对,并复现这次测试?
对照图中 A 是自绘输入,B 按本次实际结果绘制,不是 App 截图。先用同一比例核对墙线与外框,再逐一查看门窗所在墙体、开口宽度、房间是否闭合和通路是否可行;图上的墙中心线尺寸不等于现场实测净尺寸。技术复现条件与原始结果见下方下载 JSON,重新调用也可能得到不同输出。本次只测试识别流程,未验证 iOS 发帖、服务通知与 3D 预览的完整流程。95.552 秒不是平均耗时,单个样本也不能支持模型排名、成功率或普遍精度保证。