How to Make AI Generative Design for Building Façade Renovation More Controllable: A Case Study on a Historic District in Zhejiang, China
본 연구는 절강성 역사 지구의 역사적 보존과 상업적 활성화 사이의 균형을 맞추기 위해 Stable Diffusion, ControlNet, MLSD 및 LoRA를 통합한 이중 제어 생성 설계 프레임워크를 제안하며, 이를 통해 다양한 비즈니스 형식에 걸친 파사드 리노베이션에 대해 높은 구조적 충실도와 기능적 대응성을 달성한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
중국의 역사적인 상업 지구의 북적이는 거리에는 과거와 현재 사이의 조용한 긴장감이 흐르고 있습니다. 흔히 흰 벽과 검은 기와지붕을 갖추고 운하를 따라 조성된 이 동네들은 단순한 박물관이 아닙니다. 이곳은 상점, 카페, 주거지가 현대 생활에 적응해야 하는 살아있는 공간입니다. 도시 계획가와 디자이너들의 과제는 이 지역을 특별하게 만드는 역사적 특성을 파괴하지 않으면서도 새로운 비즈니스를 수용할 수 있도록 이 건물들을 업데이트하는 것입니다. 만약 모든 상점 주인이 각자 독립적으로 상점 전면부를 개보수한다면, 거리는 순식간에 서로 충돌하는 스타일들이 뒤섞인 혼란스러운 조각보가 되어 이 지역을 정의하는 시각적 조화를 잃게 될 것입니다. 이를 해결하기 위해 연구자들은 새로운 종류의 디지털 도구인 생성형 인공지능에 주목하고 있습니다. 정해진 규칙만을 따르는 기존의 컴퓨터 프로그램과 달리, 이 기술은 설명을 바탕으로 무에서 유를 창조하듯 새로운 이미지를 만들어낼 수 있습니다. 그러나 이 기술의 표준 버전들은 종종 건축물을 다루는 데 어려움을 겪으며, 아름다워 보이지만 구조가 불가능하거나 문이 잘못 배치된 건물을 만들어내곤 합니다. 목표는 이 창의적인 힘이 오래된 건물의 골격을 존중하면서도 새로운 비즈니스의 구체적인 요구 사항에 부합하도록 유도하는 방법을 찾는 것입니다.
항저우 시립 대학교의 연구팀은 이 과정을 훨씬 더 신뢰할 수 있게 만드는 방법을 개발했으며, 이는 특히 절강성 북부의 역사적 지구를 대상으로 합니다. 그들은 컴퓨터가 제안하는 새로운 디자인이 원래 건물의 형태를 온전히 유지하면서도 입구나 창문과 같은 기능적 요소들을 정확한 위치에 배치할 수 있도록 보장하는, 일종의 '이중 점검' 역할을 하는 시스템을 구축했습니다. 연구진은 이 접근 방식을 이 지역에서 흔히 볼 수 있는 네 가지 유형의 비즈니스인 레스토랑, 소매점, 커피하우스, 게스트하우스에 적용하여 테스트했습니다. 건물의 구조적 선을 고정하는 기술과 비즈니스 특징이 들어갈 위치를 매핑하는 기술을 결но합함으로써, 그들은 현실적이고 지역 건축 양식을 존중하는 리노베이션 계획을 생성할 수 있었습니다.
과정은 기존 건물의 사진 한 장에서 시작됩니다. 컴퓨터는 먼저 이미지를 분석하여 지붕선, 주요 기둥, 벽의 전체적인 비율과 같은 구조의 영구적인 부분을 식별합니다. 그 후 특정 문이나 창문과 같은 일시적인 세부 사항들을 제거하여 건물의 깨끗한 골격(skeleton)을 만듭니다. 이 골격은 매우 중요한데, 컴퓨터가 실제 역사적 지구에서는 건축이 불가능한 새로운 지붕 모양을 만들어내거나 층고를 변경하는 것을 방지하기 때문입니다. 이 구조적 프레임이 고정되면, 연구진은 특정 비즈니스의 요구 사항을 나타내는 단순한 색상 코드 맵을 그 위에 덧씌웁니다. 레스토랑의 경우, 이 맵은 전시용 창문을 위한 넓은 영역과 입구를 위한 명확한 경로를 강조할 수 있습니다. 게스트하우스의 경우, 발코니를 표시하고 프라이버시를 위해 벽을 더 견고하게 유지할 수 있습니다. 이 두 가지 층, 즉 변하지 않는 구조와 유연한 비즈니스 요구 사항이 인공지능 모델에 함께 입력됩니다.
생성된 이미지가 절강성 북부의 모습과 어울리도록 하기 위해, 연구진은 또한 특정 지역의 건축 사진 세트를 사용하여 시스템을 학습시켰습니다. 이 단계는 컴퓨터에게 풍화된 흰 벽의 질감, 검은 기와의 패턴, 목재 프레임에 빛이 떨어지는 방식과 같은 지역 특유의 미세한 디테일을 가르칩니다. 시스템이 새로운 디자인을 생성할 때, 구조적 골격을 사용하여 건물이 원래의 형태대로 제대로 서 있도록 하고, 색상 맵을 통해 비즈니스 특징을 올바르게 배치하며, 지역 학습 데이터를 통해 적절한 재료와 분위기를 적용합니다. 그 결과물은 단순한 예술적 환상이 아니라 실제로 거리에서 존재할 수 있을 법한 리노베이션 제안서들입니다.
연구진은 네 가지 비즈니스 유형에 대한 디자인을 생성하고, 이를 이러한 특정 제어 장치 없이 일반적인 컴퓨터 프로그램이 생성하는 결과물과 비교하여 방법을 테스트했습니다. 그들은 구조적 가이드가 없으면 컴퓨터가 지붕 모양과 기둥 배치를 변경하여 원래 건물을 허물어야만 가능한 디자인을 만든다는 것을 발견했습니다. 비즈니스 맵이 없으면 컴퓨터는 입구를 엉뚱한 곳에 배치하거나 발코니와 같은 필수적인 기능을 누락하는 경우가 많았습니다. 두 가이드가 함께 사용되었을 때, 디자인은 원래 건물의 형태를 유지하면서도 새로운 기능에 성공적으로 적응했습니다.
이 방법이 얼마나 효과적인지 검증하기 위해, 팀은 건축가와 디자인 전문가 그룹에게 생성된 이미지들을 검토하도록 요청했습니다. 전문가들은 생성된 디자인이 원래 건물의 구조를 유지하는지, 그리고 비즈니스의 기능적 요구 사항을 충족하는지를 심사했습니다. 결과에 따르면, 이 이중 제어 방식은 77.6%의 구조적 정확도와 75.6%의 기능적 성공률을 달ert했습니다. 이는 약 4건 중 3건의 경우에서 컴퓨터가 구조적으로 견고하고 기능적으로 적절한 디자인을 생성했음을 의미합니다. 팀은 또한 표준 컴퓨터 비전 지표를 사용하여 이미지의 시각적 품질을 측정하였으며, 생성된 사진들이 시각적으로 그럴듯하며 이러한 역사적 지구의 실제 사례들과 일치한다는 것을 확인했습니다.
이 연구는 이 도구가 계획 과정의 초기 단계에서 아이디어를 시각화하는 용도로 사용될 때 가장 효과적임을 강조합니다. 즉, 실제 공사가 시작되기 전에 당국과 사업주가 방향에 대해 합의할 수 있도록 돕는 것입니다. 이 이미지는 2차원이며 건축에 필요한 정밀한 깊이 정보가 부족하기 때문에, 아직 최종적인 건설 청사진을 만드는 도구는 아닙니다. 하지만 이는 역사의 보존과 현대적 상업의 요구 사이의 균형을 맞추는 강력한 방법이 될 수 있습니다. 디자이너들에게 거리의 성격을 잃지 않으면서도 동일한 역사적 건물에 대해 다양한 비즈니스 시나리오를 테스트할 수 있는 방법을 제공함으로써, 이 방법은 문화적 보물들을 활성화하는 실질적인 길을 제시합니다. 연구는 적절한 제어가 뒷받침된다면 인공지능이 과거를 보존하는 파트너가 되어, 역사적인 거리들이 거주자와 방문객 모두를 위한 활기찬 장소로 남을 수 있도록 할 수 있음을 시사합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.