建筑空间并非只是容纳活动的物理场所，其色彩、材料、形态等设计元素会持续影响使用者的情绪体验。以往建筑情绪研究多依赖问卷、语义差异量表等主观评价工具，能够反映个体的认知判断，却未必能同步捕捉更即时的生理反应。随着生成式人工智能（Generative AI, GAI）进入建筑设计研究，研究者得以在保持空间构图基本一致的条件下，单独改变色彩、材料或形态，从而更精确地观察某一设计元素对情绪的影响。

       脑电图（Electroencephalography, EEG）为建筑情绪评价提供了新的证据来源，其中，α/β功率比值（Ratio of Alpha to Beta power, RAB）常被用于表征放松-唤醒状态：RAB升高通常指向更强的放松趋势，RAB降低则提示更高的唤醒或注意投入。将主观评分与EEG指标结合，有助于判断“人们觉得兴奋”与“大脑是否真的处于相应唤醒状态”之间是否一致。

本研究“Emotion-Driven Architectural Image Generation and EEG-Based Evaluation: Divergent Subjective and Physiological Responses to AI-Modified Design Elements”发表于《Buildings》，构建了一个面向情绪目标的建筑图像生成-评价框架：以Stable Diffusion v1.5为基础模型，引入低秩适配（Low-Rank Adaptation, LoRA）实现色彩、材料、形态三个设计元素的定向修改，并通过ControlNet锁定空间比例与结构骨架，避免图像在非目标维度发生明显偏移。研究者进一步结合主观问卷和EEG信号，验证AI修改后的建筑图像是否会诱发可测量的情绪差异。

文章信息

研究围绕“放松-唤醒”二维情绪框架构建语义词库，并借助ChatGPT 4.0、DeepSeek与TF-IDF关键词提取，从建筑媒体语料中整理与情绪共现的高频设计词。放松类关键词包括relaxing、cozy、serene、wooden、warm light等，唤醒类关键词包括dynamic、bright、open、vivid、angular等。基于这些词汇，研究者生成了具有明确情绪指向的提示词模板。

图1 情绪驱动建筑图像生成与评价流程

为隔离不同设计元素的作用，分别训练或加载色彩LoRA、材料LoRA和形态LoRA三个模块。图像生成时每次只激活一个LoRA模块，并保持采样步数、引导尺度、分辨率、随机种子等参数一致；同时使用ControlNet（Depth/MLSD）约束深度、线段和空间结构，使修改主要发生在目标元素上。最终研究保留了6类室内空间：客厅、交流大厅、办公室、咖啡厅、餐厅和展厅。每类空间包含4种条件，即基线图像、色彩修改、材料修改和形态修改，共24张实验刺激图像。

图2 六类空间在基线、色彩、材料与形态修改条件下的实验刺激图像

实验共纳入27名有效被试。每名被试依次观看24张建筑图像，每张呈现20秒，并同步记录EEG信号；观看后，被试完成放松-唤醒主观评分。

图3 实验流程：EEG准备、静息基线、刺激呈现、主观评价与数据保存

研究采用TMSi Saga 64通道脑电系统，重点提取α波（8-12 Hz）与β波（12-30 Hz）的功率比值RAB，并使用线性混合效应模型分析主观唤醒评分变化与生理放松指标变化之间的关系。

,"namespaceURI":"http://www.w3.org/1999/xhtml" ,"para",{"tagName":"section","attributes":{"style":"text-align: center;justify-content: center;display: flex;flex-flow: row;margin: 0px;box-sizing: border-box;" ,"namespaceURI":"http://www.w3.org/1999/xhtml" ,"para",{"tagName":"section","attributes":{"style":"display: inline-block;width: 100%;vertical-align: middle;align-self: center;flex: 0 0 auto;height: auto;box-sizing: border-box;" ,"namespaceURI":"http://www.w3.org/1999/xhtml" ,"para",{"tagName":"section","attributes":{"style":"justify-content: center;display: flex;flex-flow: row;margin: 0px;box-sizing: border-box;" ,"namespaceURI":"http://www.w3.org/1999/xhtml" ,"para",{"tagName":"section","attributes":{"style":"display: inline-block;width: 100%;vertical-align: top;align-self: flex-start;flex: 0 0 auto;background-color: rgba(126, 126, 126, 0.05);height: auto;padding: 0px 15px;border-style: dashed;border-width: 1px;border-color: rgb(6, 128, 225);box-sizing: border-box;" ,"namespaceURI":"http://www.w3.org/1999/xhtml" ,"para",{"tagName":"section","attributes":{"style":"font-size: 12px;font-family: \"Source Han Sans CN Light\";box-sizing: border-box;" ,"namespaceURI":"http://www.w3.org/1999/xhtml" ,"para",{"tagName":"p","attributes":{"style":"word-break: break-all;margin: 0px;padding: 0px;box-sizing: border-box;" ,"namespaceURI":"http://www.w3.org/1999/xhtml" ]" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0); margin: 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important;">图4 TMSi Saga设备

研究首先确认了AI图像修改的有效性：色彩修改显著提高图像饱和度，材料修改增强纹理差异，形态修改提高曲线轮廓比例，说明LoRA与ControlNet能够在保持空间结构相对稳定的同时，对色彩、材料和形态进行定向控制。

主观评价显示，形态修改最容易提升被试感知到的唤醒水平，材料修改次之，色彩修改整体影响较弱。但EEG结果并不一致：色彩和材料修改更多表现为RAB升高，提示其偏向放松反应；形态修改则呈现放松与唤醒并存的双向特征。

进一步分析发现，右顶叶P4通道对三类设计元素变化敏感，可能反映了视觉空间整合和注意调节过程。主观评分与EEG指标之间未形成显著线性对应，说明“视觉上更刺激”并不必然等同于“生理上更唤醒”。

图5 三类设计元素修改条件下的RAB变化脑电地形图

图6 主观唤醒评分与EEG RAB指标的总体趋势对比

本研究将AI图像生成、设计元素控制、主观评价与EEG验证整合为一个闭环框架，提示情绪化建筑设计不能只依赖审美判断或问卷结果。色彩、材料等较低层级视觉特征可能更直接影响生理放松，而形态变化虽然主观冲击更强，却更容易与生理反应产生差异。

未来研究可在更大样本和更真实的沉浸场景中验证这些发现，并结合心电、皮电、VR/CAVE等多模态数据。若能将P4通道RAB等脑电特征作为实时反馈信号，AI建筑生成有望从“生成好看的图像”进一步走向“生成符合目标情绪状态的空间方案”。

原文信息链接

Liu Y, Ji S, Whang M. Emotion-Driven Architectural Image Generation and EEG-Based Evaluation: Divergent Subjective and Physiological Responses to AI-Modified Design Elements[J]. Buildings, 2026, 16(1): 36.

DOI: 10.3390/buildings16010036

研究团队简介

本文作者为Yuchen Liu（河北工程大学京津冀空间智能感知协同创新中心、韩国祥明大学情感工程系）、Shihu Ji（河北科技工程职业技术大学经济管理系）和Mincheol Whang（韩国祥明大学以人为本人工智能系，通讯作者）。研究获得河北省科学技术厅2024年“河北省百名外国专家计划”项目资助。

关于维拓启创

相关产品