[논문 리뷰] Generating Daylight-driven Architectural Design via Diffusion Models

Pengzhi Li, Baijuan Li|arXiv (Cornell University)|2024. 04. 20.

Impact of Light on Environment and Health인용 수 4

한 줄 요약

이 논문은 확산 모델을 사용하여 질량 모델에서 일조 조건 기반 건축 설계를 생성하는 혁신적인 AI 보조 건축 설계 프레임워크를 제안한다. 이 프레임워크는 파arametric 질량 모델 생성, 자체 제작된 일조 맵 데이터셋을 기반으로 LoRA로 미세조정된 확산 모델을 통한 학습된 일조 전략, 그리고 ControlNet과 GPT-4 프롬프트를 활용한 조건부 텍스트-이미지 생성을 통합하여, 사용자 검증도 강한 효율적이고 미학적으로 통합되며 기능적으로 정보가 반영된 설계 제안을 달성한다.

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/.

연구 동기 및 목표

• AI 기반 건축 설계에서 일조 통합의 부족을 해결하기 위해 일조 기반 전략을 도입하기 위해.
• 질량 모델에서 시각적 렌더링까지의 엔드 투 엔드 생성을 가능하게 하여 건축 설계 프로세스를 단순화하기 위해.
• 대규모 언어 모델과 텍스트-이미지 확산 모델을 융합하여 설계 효율성과 창의성을 향상시키기 위해.
• 건축 확산 모델 훈련을 위한 새로운 컴퓨터 기반 일조 맵 데이터셋을 구축하기 위해.
• 조건부 제어를 통해 원본 질량 기하학 형상과 생성된 건축 렌더링 간의 기하학적 일致성을 향상시키기 위해.

제안 방법

• 질량 모델는 Grasshopper에서 반복적인 부피의 덧셈과 뺄셈을 수행하는 파arametric 알고리즘을 통해 생성되며, 랜덤 매개변수를 사용한다.
• 자체 제작된 일조 맵 데이터셋은 Grasshopper의 Honeybee 플러그인을 사용하여 질량 모델의 단면 프로파일 기반으로 구성된다.
• LoRA로 조정된 Stable Diffusion v1.5는 일조 맵 데이터셋을 기반으로 훈련되어 정확한 창 배치를 생성하도록 한다.
• GPT-4는 유형, 스타일, 경관, 재료 등으로 분류된 다양한 건축 텍스트 프롬프트를 생성하는 데 사용된다.
• ControlNet은 질량 기하학 형상을 기반으로 생성을 조건화하여 형태의 정확성을 확보하기 위해 텍스트-이미지 확산 파이프라인에 통합된다.
• 최종 건축 렌더링은 GPT-4가 생성한 프롬프트를 기하학적 제어 기능이 있는 조건부 확산 모델에 입력하여 생성된다.

실험 결과

연구 질문

• RQ1 일조 성능를 기반으로 하여 확산 모델이 건축적으로 통합된 파사드를 효과적으로 생성할 수 있는가?
• RQ2 AI 기반 건축 설계를 지원하기 위해 어떻게 자체 제작된 일조 맵 데이터셋을 구성할 수 있는가?
• RQ3 GPT-4와 텍스트-이미지 확산 모델을 융합할 경우 설계의 다양성과 관련성은 어느 정도 향상되는가?
• RQ4 건축가들은 일조와 형상 생성을 통합한 AI 시스템의 효율성과 사용성에 대해 어떻게 평가하는가?
• RQ5 ControlNet을 통한 조건부 제어가 질량 모델과 생성된 건축 렌더링 간의 기하학적 일致성을 어느 정도 유지할 수 있는가?

주요 결과

• 사용자 연구 결과, 건축가의 88%가 이 방법이 설계 효율성을 크게 향상시킨다고 평가했다.
• 건축가의 84%가 제안된 프레임워크를 사용할 경우 설계 영감이 증가했다고 보고했다.
• 사용자의 72%는 설계가 이성적이고 잘 균형 잡혀 있어 기능적 통합성이 높다고 평가했다.
• 일조 기반 파사드 생성 전략은 사용자의 64%에게 긍정적으로 평가되었으며, 14%만 중립적 또는 비효율적이라고 평가했다.
• 프레임워크는 다양한 스타일과 유형에 걸쳐 다양하고 시각적으로 통합된 건축 설계를 성공적으로 생성하였으며, 필터링된 출력을 통해 타당성이 확보되었다.
• GPT-4 프롬프트와 ControlNet 기반 확산 모델의 통합은 입력된 질량 기하학 형상과 매우 밀접하게 일치하는 고해상도 렌더링을 생성하였다.