How to Make AI Generative Design for Building Façade Renovation More Controllable: A Case Study on a Historic District in Zhejiang, China
Deze studie stelt een dual-control generatief ontwerpframework voor dat Stable Diffusion, ControlNet, MLSD en LoRA integreert om historisch behoud te balanceren met commerciële revitalisering in de historische districten van Zhejiang, waarbij een hoge structurele getrouwheid en functionele responsiviteit wordt bereikt voor gevelrenovatie binnen diverse zakelijke formaten.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de bruisende straten van de historische commerciële wijken van China speelt zich een stille spanning af tussen het verleden en het heden. Deze buurten, die vaak langs kanalen zijn gebouwd met witte muren en zwart betegde daken, zijn niet slechts musea; het zijn leefruimtes waar winkels, cafés en woningen zich moeten aanpassen aan het moderne leven. De uitdaging voor stadsplanners en ontwerpers is om deze gebouwen te actualiseren zodat ze nieuwe bedrijven kunnen huisvesten zonder het historische karakter dat hen bijzonder maakt, te vernietigen. Als elke winkeleigenaar onafhankelijk van elkaar de gevel renoveert, kan de straat snel een chaotische lappendeken van botsende stijlen worden, waarbij de visuele harmonie die het gebied definieert, verloren gaat. Om dit op te lossen, wenden onderzoekers zich tot een nieuw soort digitale tool: generatieve kunstmatige intelligentie. In tegen tegenstelling tot oudere computerprogramma's die simpelweg rigide regels volgen, kan deze technologie nieuwe afbeeldingen vanaf nul creëren op basis van beschrijvingen. Standaardversies van deze technologie hebben echter vaak moeite met architectuur, waarbij ze gebouwen produceren die er prachtig uitzien maar onmogelijke structuren of verkeerd geplaatste deuren hebben. Het doel is om een manier te vinden om deze creatieve kracht te sturen, zodat deze de essentie van een oud gebouw respecteert terwijl het voldoet aan de specifieke behoeften van een nieuw bedrijf.
Een team van onderzoekers van de Hangzhou City University heeft een methode ontwikkeld om dit proces veel betrouwbaarder te maken, specifiek voor de historische districten van het noorden van de provincie Zhejiang. Ze creëerden een systeem dat fungeert als een dubbelcheck voor de computer, om ervoor te zorgen dat elk nieuw ontwerp dat het voorstelt, de oorspronkelijke vorm van het gebouw intact houdt en tegelijkertijd functionele elementen zoals ingangen en ramen precies plaatst waar ze nodig zijn. De onderzoekers testten hun aanpak op vier veelvoorkomende soorten bedrijven in deze gebieden: restaurants, detailwinkels, koffiehuizen en pensions. Door een techniek te combineren die de structurele lijnen van het gebouw vastlegt met een andere die in kaart brengt waar zakelijke kenmerken moeten komen, waren zij in staat om renovatieplannen te genereren die er realistisch uitzien en de lokale architecturale stijl respecteren.
Het proces begint met een foto van een bestaand gebouw. De computer analyseert eerst de afbeelding om de permanente onderdelen van de structuur te identificeren, zoals de daklijn, de hoofdkolommen en de algehele proporties van de muur. Het verwijdert tijdelijke details zoals specifieke deuren of ramen om een schoon skelet van het gebouw te creëren. Dit skelet is cruciaal omdat het voorkomt dat de computer nieuwe dakvormen verzint of de hoogte van de verdiepingen verandert, wat onmogelijk te bouwen zou zijn in een echt historisch district. Zodra dit structurele frame is vastgelegd, leggen de onderzoekers een eenvoudige, kleurgecodeerde kaart over de structuur die de behoeften van een specifiek bedrijf vertegenwoordigt. Voor een restaurant kan de kaart bijvoorbeeld een groot gebied voor een etalage en een duidelijke route voor een ingang markeren. Voor een pension kan het een balkon markeren en de muren meer gesloten houden voor privacy. Deze twee lagen — de onveranderlijke structuur en de flexibele zakelijke behoeften — worden samen in het kunstmatige intelligentiemodel gevoed.
Om ervoor te zorgen dat de gegenereerde afbeeldingen lijken te behoren tot het noorden van Zhejiang, hebben de onderzoekers het systeem ook getraind op een specifieke set lokale architecturale foto's. Deze stap leert de computer de subtiele details van de regio, zoals de textuur van verweerde witte muren, het patroon van zwarte tegels en de manier waarop het licht op houten frames valt. Wanneer het systeem een nieuw ontwerp genereert, gebruikt het het structurele skelet om het gebouw trouw aan de oorspronkelijke vorm te houden, de kleurenkaart om de zakelijke functies correct te plaatsen, en de lokale training om de juiste materialen en sfeer toe te passen. Het resultaat is een reeks renovatievoorstellen die lijken alsof ze daadwerkelijk in de straat zouden kunnen bestaan, in plaats van slechts artistieke fantasieën te zijn.
De onderzoekers testten hun methode door ontwerpen te genereren voor de vier bedrijfstypen en deze te vergelijken met wat een standaard computerprogramma zou produceren zonder deze specifieke controles. Ze ontdekten dat zonder de structurele gids, de computer de neiging had om de dakvormen en kolomopstellingen te veranderen, wat ontwerpen creëerde die het originele gebouw zouden vereisen af te breken. Zonder de zakelijke kaart zou de computer vaak ingangen op de verkeerde plekken plaatsen of noodzakelijke kenmerken zoals balkons vergeten. Wanneer beide gidsen samen werden gebruikt, bleven de ontwerpen trouw aan de oorspronkelijke vorm van het gebouw en pasten ze tegelijkertijd succesvol aan aan de nieuwe functie.
Om te verifiëren hoe goed dit werkte, vroegen het team een groep architecten en ontwerpers van expertise om de afbeeldingen te beoordelen. De experts beoordeelden of de gegenereerde ontwerpen de oorspronkelijke structuur van het gebouw behielden en of ze voldeden aan de functionele eisen van het bedrijf. De resultaten toonden aan dat de methode met dubbele controle een structurele nauwkeurigheid van 77,6 procent bereikte en een functioneel succespercentage van 75,6 procent. Dit betekent dat in ongeveer drie van de vier gevallen de computer een ontwerp produceerde dat structureel gezond en functioneel passend oogde. Het team mat ook de visuele kwaliteit van de afbeeldingen met standaard computer vision-metrieken, waarbij zij vaststelden dat de gegenereerde foto's visueel aannemelijk en consistent waren met echte voorbeelden van deze historische districten.
De studie benadrukt dat dit hulpmiddel het beste kan worden gebruikt als een manier om ideeën vroegtijdig in het planningsproces te visualiseren, wat autoriteiten en bedrijfseigenaren helpt om een richting af te spreken voordat er fysiek werk begint. Het is nog geen instrument voor het maken van de definitieve bouwtekeningen, aangezien de afbeeldingen tweedimensionaal zijn en de precieze diepte-informatie missen die nodig is voor de bouw. Het biedt echter een krachtige manier om de bewaring van de geschiedenis te balanceren met de eisen van de moderne commercie. Door ontwerpers een manier te geven om veel verschillende zakelijke scenario's op hetzelfde historische gebouw te testen zonder het karakter van de straat te verliezen, biedt de methode een praktisch pad vooruit voor de revitalisering van deze culturele schatten. Het onderzoek suggereert dat met de juiste controles, kunstmatige intelligentie een partner kan worden in het bewaren van het verleden, waardoor historische straten levendige plekken blijven voor zowel bewoners als bezoekers.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.