审稿意见
送审稿
专家1
1. 论文结果显示仅在剪力墙布置阶段引入建筑空间功能信息对整体设计最为有利，而在梁布置阶段引入效果不佳，甚至略有退化。但论文未解释造成这一结果的原因。作者应进一步剖析空间功能信息在网络中作用方式及其对生成图像的影响路径，考虑是否存在信息干扰或权重分配不合理的问题。
2. 作者提到Xia等使用图神经网络进行剪力墙与梁的联合建模与生成，而本研究则是使用生成对抗网络进行墙与梁的两阶段设计，本研究采用的方法和Xia等采取的方法有何异同点。
参考文献：XIA J, LIAO W, HAN B, et al. Intelligent co-design of shear wall and beam layouts using a graph neural network[J]. Automation in Construction, 2025, 172: 106024.
3. 在第一节“基于墙-梁联合训练的剪力墙结构智能设计方法”，作者提到“针对上述模型生成的剪力墙和梁布置的像素图，使用构件提取与建模的分析方法，即基于计算机视觉的构件信息矢量化方法，提取剪力墙和梁构件的坐标信息，通过参数化建模的方式，导入到专业的结构设计软件中以便于深化设计和分析。”但在后文介绍本文的主要方法时，作者未详细地说明该方法，没有介绍如何从像素坐标图转化为矢量化的构件信息。建议作者在第2节中补充建立结构模型方法的相关介绍。
4. 在本文图2有图例介绍了每种颜色的构件代表的含义，但在图6、图8、图9和图10中缺少类似的图例，请作者补充。
图6中：部分图看起来清晰度不够，这个是AI生成的像素图质量差还是由于作者粘贴过程中造成的像素质量损失。
图10中：对于局部细节对比的指示，作者可以替换为较为醒目的标注，并在正文中给出说明。
5. 在3.1节图像输入尺寸中，作者展示了随着训练集中输入图像尺寸的增大，SBeam和SSWall的指标得分也越高。作者仅说明了该结果，但未对该结果给出合理的解释，请作者进行补充。
专家2
1.凝练内容，突出重点。
2.结论，突出对于剪力墙-梁结构布置智能设计方法的总结和凝练、提升。
3.在本文进行剪力墙-梁结构布置智能设计方法的研究中还存在哪些亟待解决的问题？
4.原文：本研究中收集了来自中国多家知名设计院的约200套建筑结构设计图纸作为数据集
原文：训练和测试数据比例为8：2。
原文：针对联合训练的工况，在不同输入尺寸下，用25张图进行测试
问题：训练和测试数据比例不对，200套图纸最少200张图，20%用于测试图纸数为40张。
5.原文：对比IndTrain和IndTrain_house_all工况，可以看出引入建筑空间功能能够对剪力墙的布置产生显著改善
问题：3.3节中论述部分提及IndTrain_house_all，但是表3中采用模型是IndTrain_house_wall及相应的预测结果，未提及IndTrain_house_all模型。
访问次数：71
