文 | 周鑫雨
编辑 | 苏建勋
在ChatGPT彻底引爆AIGC圈前，图像生成模型Stable Diffusion的开源，就已经让不少设计从业者意识到，内容创作已经成了普通人能接触到的“黑科技”。
AI应用于室内设计并不是新故事。在2020年前，电商网站“艾佳生活”就推出了设计师产品系统Dramatic Reality。随后，贝壳找房、天猫家装等平台也相继发布AI室内设计工具。当室内设计的空间从单一的线下转向线上时，传统的AI与设计师结为盟友，但无法从根本上解决客户端沟通成本高、效率低的难题。
与传统的赋能设计师的室内设计AI产品不同，2021年成立于美国的COLLOV基于Stable Diffusion和GNN（Graphic Neural Network，图形神经网络），面向C端客户直接提供了室内设计AI工具，并提供了前期设计+家具购买一站式服务。用AI从客户源头快速完成设计风格启发，并指导购买决策。
在室内设计环节，消费者通过在COLLOV官网完成有关空间用途、偏好风格和品牌等相关结构化的30秒问卷，并拍照上传所需设计空间的实景照片，COLLOV就能在几秒内生成渲染后全景设计方案，并支持多风格快速生成。
左图：设计前；右图：COLLOV AI生成设计图效果
左图：设计前；右图：COLLOV AI生成设计图效果
据COLLOV CEO张霄介绍，COLLOV自研了基于GNN图神经网络的组合生成算法，来针对具有空间几何关系的组合生成问题。同时，基于COLLOV自研的层级细粒度家具分类和识别算法，以及针对室内设计的场景重建算法库，室内设计的生成过程能够更加可控，输出的设计图能拥有更高的分辨率或更佳的视角合成效果。
COLLOV自动生成室内设计方案过程。
敲定设计方案后，COLLOV设计师将在3-5个工作日内提供室内设计的“情绪板”（Mood Board，设计师用于检视色彩、样式的设计方案图）。根据客户意见调整后，3D的设计方案图会最终交付给客户，客户可根据自己的需求在COLLOV官网下单其合作的家具品牌的产品。
张霄告诉36氪，COLLOV模型的核心优势在于丰富的室内设计数据资源能力。团队自2021年起就与不同室内设计品牌进行了设计业务合作，并交付了近万个设计订单。基于COLLOV所积累的细粒度室内场景设计稿，以及高清多角度的家具图片-文字配对数据，COLLOV进行了大规模的多模态生成模型迁移学习预训练。与此同时，COLLOV已与全球200多个家具品牌达成了合作，为客户的家具购买和安装提供了较为实惠的价格。
COLLOV创始人兼CEO张霄在斯坦福大学取得了物理博士学位，并获得2022年福布斯全球华人Top100称号。COLLOV首席科学家Rex Ying为耶鲁大学计算机学教授，率先提出GNN的概念，并为GraphSAGE算法的发明者。其曾在波音、Facebook（前Meta）和DeepMind担任AI算法顾问。
去年，COLLOV已完成近千万美元的Pre-A轮融资。今年，COLLOV在开启A轮融资的同时，计划对生成模型的性能进行进一步提升。张霄表示，COLLOV内部也在积极研发室内设计领域的“ChatGPT”，用户可以直接通过文字+图片聊天的方式，对图片进行实时编辑，全自动生成室内设计方案。与此同时，COLLOV未来将融入了RLHF (基于人类反馈的模型增强学习)，去不断训练增强模型对审美的理解，为用户提供更好的使用体验。
