초록 열기/닫기 버튼
설계 과정에서 투시도를 포함한 시각화 자료는 이해관계자 간의 효과적인 의사소통을 지원하는 매개체로써 설계 과정 전반에 걸쳐 반복적으로 필요 하지만, 제작과정에 많은 시간과 자원을 필요로 한다. 이에 본 논문은 시각 화 과정을 간소화하기 위해 생성형 인공지능을 활용한 초기 설계 단계의 건축시각화방법과이를위한추가학습모델구축방안을제안한다.먼저 건축가 스타일을 반영한 단독 주택 외관 이미지를 10,000 여장 생성하여 기존 생성형 인공지능 모델의 성능을 평가하였다. 평가 내용을 바탕으로 인 식률이 낮은 건축가를 학습대상으로 선정하여 해당 스타일에 대한 데이터 셋을 구축하고 추가학습을 진행하였다. 이후 세 가지 시나리오를 통해 추가 학습 모델의 활용법을 시연하였다. 연구 결과, 추가학습을 통해 기존 모델 의성능을효과적으로개선할수있음을확인하였다.또한본연구에서제 안하는 방법론을 통해 사용자는 개인의 요구사항을 학습시킨 맞춤형 모델 을 구축할 수 있으며, 프롬프트 또는 간단한 시드 이미지를 바탕으로 구체 적인 건축 시각화 이미지를 수 초 내에 생성할 수 있다. 따라서, 본 연구는 생성형인공지능기반초기설계대안시각화기술연구에기초자료로활 용될 수 있을 것으로 사료된다.
In the design process, visualization materials, including perspectives, play a crucial role in facilitating communication among stakeholders. However, their production requires a significant investment of time and resources. This paper suggests an architectural visualization method based on Generative AI for the initial design phase, incorporating a fine-tuning approach to streamline the visualization process. Over 10,000 residential house images reflecting architects’ styles were generated to assess the existing model‘s performance. Architects with lower recognition rates underwent training after constructing corresponding datasets. Subsequently, we demonstrated the practical application of the fine-tuned model through three scenarios. As a result, it was confirmed that fine-tuning effectively enhances the model’s performance. Moreover, the proposed methodology allows users to build personalized models based on individual preferences and generate architectural visualizations within seconds using prompts or simple seed images. This study would serve as a foundational contribution to further research in Generative AI-based early design visualization technology.
