[論文レビュー] Generating Daylight-driven Architectural Design via Diffusion Models

Pengzhi Li, Baijuan Li|arXiv (Cornell University)|Apr 20, 2024

Impact of Light on Environment and Health被引用数 4

ひとこと要約

本論文は、質量モデルから拡散モデルを用いて日光駆動型の建築デザインを生成する、画期的なAI支援建築的デザインフレームワークを提案する。パラメトリックな質量生成、独自の日光マップデータセットを用いたLoRA微調整を施した拡散モデルによる学習済み日光戦略、およびControlNetとGPT-4プロンプトを用いた条件付きテキストから画像への生成を統合し、効率的で美的に整合性があり、機能的に裏付けられたデザイン案を実現。ユーザーの検証においても高い評価を得た。

ABSTRACT

In recent years, the rapid development of large-scale models has made new possibilities for interdisciplinary fields such as architecture. In this paper, we present a novel daylight-driven AI-aided architectural design method. Firstly, we formulate a method for generating massing models, producing architectural massing models using random parameters quickly. Subsequently, we integrate a daylight-driven facade design strategy, accurately determining window layouts and applying them to the massing models. Finally, we seamlessly combine a large-scale language model with a text-to-image model, enhancing the efficiency of generating visual architectural design renderings. Experimental results demonstrate that our approach supports architects' creative inspirations and pioneers novel avenues for architectural design development. Project page: https://zrealli.github.io/DDADesign/.

研究の動機と目的

• AI生成建築デザインにおける日光の統合が不足しているという問題に応えるために、日光駆動型戦略を導入すること。
• 質量モデルから視覚的レイトレーシングまでの一連の生成を可能にすることで、建築デザインプロセスを簡素化すること。
• 大規模言語モデルとテキストから画像への拡散モデルを組み合わせることで、デザインの効率性と創造性を向上させること。
• 建築用拡散モデルの学習を支援するため、計算的日光マップの新規データセットを構築すること。
• 条件付き制御を用いて、生成された建築デザインと元の質量幾何形状との整合性を高めること。

提案手法

• 質量モデルは、ランダムパラメータを用いた反復的体積加算・減算を実行するGrasshopper内でのパラメトリックアルゴリズムにより生成される。
• 質量モデルの断面プロファイルに基づき、GrasshopperのHoneybeeプラグインを用いて、独自の日光マップデータセットが構築される。
• LoRA適応版Stable Diffusion v1.5が日光マップデータセット上で微調整され、正確な窓配置の生成が可能になる。
• GPT-4を用いて、タイプ、スタイル、景観、素材を分類した多様な建築的テキストプロンプトが生成される。
• ControlNetがテキストから画像への拡散パイプラインに統合され、質量幾何形状に基づいた条件付き生成が可能となり、形状の忠実性が保証される。
• 最終的な建築レイトレーシングは、GPT-4が生成したプロンプトを、幾何制御付きの条件付き拡散モデルに供給することで生成される。

実験結果

リサーチクエスチョン

• RQ1 日光性能に基づいて、拡散モデルが建築的に整合性のあるファサードを効果的に生成できるか。
• RQ2 AI駆動の建築デザインを支援するため、どのように独自の日光マップデータセットを構築できるか。
• RQ3 GPT-4とテキストから画像への拡散モデルを組み合わせることで、デザインの多様性と関連性がどの程度向上するか。
• RQ4 建築家たちは、日光と形状生成を統合したAIシステムの効率性と使いやすさをどの程度高く評価するか。
• RQ5 ControlNetによる条件付き制御は、質量モデルと生成された建築レイトレーシングとの間で幾何的整合性をどの程度維持できるか。

主な発見

• ユーザー調査では、建築家の88％が、本手法が設計の効率を著しく向上させたと評価した。
• 84％の建築家が、本フレームワークを用いることで設計のインスピレーションが向上したと報告した。
• 72％のユーザーが、建築デザインが合理的で適正な比率であると評価し、機能的な整合性の高さを示した。
• 日光駆動型ファサード生成戦略は、64％のユーザーから肯定的に評価されたが、14％は中立的または効果がないと感じた。
• 本フレームワークは、複数のスタイルやタイプにわたり、多様で視覚的に整合性のある建築デザインを効果的に生成し、フィルタリングされた出力により妥当性が保証された。
• GPT-4プロンプトとControlNet対応の拡散モデルの統合により、入力された質量幾何形状と密接に一致する高精細なレイトレーシングが生成された。