[논문 리뷰] Constructing a personalized AI assistant for shear wall layout using Stable Diffusion

Lufeng Wang, Jiepeng Liu외 3명|arXiv (Cornell University)|2023. 05. 18.

3D Surveying and Cultural Heritage인용 수 5

한 줄 요약

이 논문은 저비용 데이터로도 빠르고 고품질의 다양한 레이아웃 배치를 생성할 수 있도록, Low-Rank Adaptation (LoRA)로 미세조정한 Stable Diffusion를 사용하여 고층 건물의 shear wall 레이아웃을 위한 개인화된 AI 어시스턴트를 제안한다. 기존 히ュ리스틱, GAN, 또는 GNN 기반 방법의 한계를 극복하여 효율적이고 데이터 효율적이며 사용자 맞춤형 설계 생성이 가능하다.

ABSTRACT

Shear wall structures are widely used in high-rise residential buildings, and the layout of shear walls requires many years of design experience and iterative trial and error. Currently, there are methods based on heuristic algorithms, but they generate results too slowly. Those based on Generative Adversarial Networks (GANs) or Graph Neural Networks (GNNs) can only generate single arrangements and require large amounts of training data. At present, Stable Diffusion is being widely used, and by using the Low-Rank Adaptation (LoRA) method to fine-tune large models with small amounts of data, good generative results can be achieved. Therefore, this paper proposes a personalized AI assistant for shear wall layout based on Stable Diffusion, which has been proven to produce good generative results through testing.

연구 동기 및 목표

• 고층 주상복합 건물에서 shear wall 레이아웃을 수립하는 데 소요되는 시간과 경험 요구도를 줄이기 위해.
• 기존 방법의 한계 — 느린 히ュ리스틱 알고리즘 또는 데이터 소비가 큰 GAN/GNN — 를 극복하기 위해 확산 모델을 활용하기 위해.
• 소규모 전용 데이터를 사용하여 다양한 고품질의 shear wall 레이아웃을 생성할 수 있는 개인화된 AI 어시스턴트 개발하기 위해.
• LoRA를 통한 Stable Diffusion의 미세조정이 구조 설계 응용 분야에서 타당성과 효과성을 검증하기 위해.

제안 방법

• 제한된 데이터로 shear wall 레이아웃 작업에 적합하도록 Low-Rank Adaptation (LoRA)를 사용해 사전 학습된 Stable Diffusion 모델을 미세조정하기 위해.
• 모델의 일반화 능력을 유지하면서도 작업에 특화된 적응을 가능하게 하기 위해, 도메인 특화된 소규모 shear wall 레이아웃 데이터셋으로 LoRA 어댑터를 훈련시키기 위해.
• 건축적 제약 조건과 설계 선호도를 조건으로 하여 shear wall 레이아웃을 생성하기 위해.
• 텍스트 프롬프트와 잠재 공간 조건부 설정을 사용하여 설계 생성을 유도하고, 개인화된 반복적인 설계 탐색을 가능하게 하기 위해.
• 도메인 전문가 평가와 정량적 지표를 통해 구조적 적합성, 다양성, 설계 품질을 평가하기 위해.

실험 결과

연구 질문

• RQ1 LoRA로 미세조정된 Stable Diffusion는 소량의 훈련 데이터로도 고품질의 구조적으로 타당한 shear wall 레이아웃을 생성할 수 있는가?
• RQ2 전통적인 히ュ리스틱 또는 딥러닝 기반 방법과 비교해 개인화된 AI 어시스턴트는 생성 속도와 레이아웃 품질 측면에서 어떻게 다른가?
• RQ3 다양한 건물 구성에 대해 모델이 얼마나 잘 일반화될 수 있으며, 설계 일관성과 구조적 무결성을 유지할 수 있는가?
• RQ4 프롬프트 기반 제어와 반복적 개선을 통해 모델이 개인화된 설계 선호도를 지원할 수 있는가?

주요 결과

• 제안된 AI 어시스턴트는 미세조정 데이터가 매우 소량임에도 불구하고 다양한 구조적으로 타당한 shear wall 레이아웃을 성공적으로 생성하였다.
• LoRA 미세조정을 통해 사전 학습된 Stable Diffusion 모델을 재학습 없이도 효과적으로 shear wall 레이아웃 작업에 적합하게 조정할 수 있었다.
• 생성된 레이아웃는 도메인 전문가 평가를 통해 높은 시각적 품질과 구조적 품질을 확보하였으며, 핵심 설계 기준을 충족하였다.
• 시스템은 빠르고 상호작용 가능한 설계 탐색을 가능하게 하여 반복적인 레이아웃 최적화에 소요되는 시간을 크게 감소시켰다.