생성형 AI 기반 한옥 리모델링 외관 이미지 생성 및 정량 평가 프레임 연구
Quantitative Evaluation Framework for Generative AI-based Hanok Remodeling Visualization
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
(연구배경 및 목적) 생성형 인공지능은 건축 시각화 과정에서 높은 활용 가능성을 보이고 있으나, 학습 데이터의 편향으로 인해 동아시아 건축 이미지가 혼합되거나 왜곡되는 현상이 지속적으로 제기되고 있다. 특히 한옥은 기와, 목재 구조, 비례감 등 고유한 시각 언어를 갖고 있어 AI 생성 과정에서 문화적 혼용(Cultural Interference)이 발생할 위험이 크다. 이에 따라 본 연구는 한옥 리모델링 외관에 특화된 FLUX 기반 LoRA 모델과 CLIP 평가 체계를 결합하여, 건축적 충실도와 문화적 정체성 재현 수준을 실증적으로 연구하고자 하는 것을 목적으로 한다. (연구방법) 현대 한옥 리모델링 사례 100장을 수집해 전처리 후, 공통 메인 토큰“Hanstyle01”을 기반으로 LoRA를 학습해 한옥용 Flux 모델에 구축하였다. 이후 ComfyUI 환경에서워크플로우를 구축하고, ControlNet(Canny/Depth)을 활용해 동일한 형태 조건에서 다양한 재료와 용도 조합(R01–R05, C01–C05)의 외관 이미지를 총 1,000장 생성하였다. 생성된 이미지는 CLIP 모델을 이용해 총 여섯 항목으로 정량 평가하였다. 평가 기준은 한옥 리모델링의 외관이 지닌 건축적·문화적 특성을 다각적으로 검증할 수 있도록 설정되었다. 구체적으로, 한옥의 핵심 요소인 기와 지붕이 정확히 재현되는지를 확인하여 기와의 형태적 신뢰도[A]를 검증하였으며, 목재·회벽·벽돌 등 재료의 질감과 경계가 명확히 표현되는지를 통해 재료 충실도[B]를 평가하였다. 또한 주거·상업 용도의 시각적 차이가 이미지에 적절히 반영되는지를 확인해 기능적 가독성[C]을 점검하였다. 더불어 한옥 특유의 비례감과 절제된 입면 구성이 유지되는지를 평가하여 한국식 양식 일치도[K]를 측정하였으며, 또한 중국식[C]·일본식[J] 외관 요소와 각 지역의 기와 형태가 한옥 이미지에 비의도적으로 섞여 나타나는지를 평가함으로써, 동아시아 양식 간 혼입으로 인한 문화적 왜곡 가능성을 검증하였다. (결과) 전체 생성된 이미지의 CLIP 모델의 Score는 30점 이상으로 안정적인 텍스트–이미지 일치도를 보였다. 형태 재현성 평가에서 기와 지붕 표현[A: 33.4점]이 가장 높은 점수를 기록하며 전통적 처마 곡률과 기와 리듬이 정확히 재현된 것으로 나타났다. 한국식 양식 일치도[K: 33.2점] 역시 높은 수준을 유지하며, 모델이 한옥의 비례감·재료 대비·입면 구성 등 조형 언어를 일관되게 학습했음을 확인했다. 반면, 재료 표현 충실도[B: 25.6점]는 상대적으로 낮아 회벽·목재·금속 등 재질 간 경계가 모호하게 표현되는 사례가 일부 관찰되었다. 일본식·중국식 요소 혼입도[J, C]는 한국식 양식 일치도[K] 보다 전반적으로 낮아 문화적 혼용 문제는 최소화된 것으로 나타났다. (결론) 본 연구는 FLUX+LoRA+ControlNet으로 구성된 한옥 특화 생성 워크플로우와 CLIP 정량 평가 체계를 통해, 생성형 AI가 한옥 리모델링 외관에서 한국적 양식과 건축적 충실도를 어느 정도 재현하는지 검증하였다. 그 결과 기와 지붕·처마선·비례감과 주거·상업 용도의 구분은 비교적 안정적으로 표현된 반면, 재료 질감과 경계 표현에는 한계가 나타났다. 또한 중국·일본식 요소의 혼입도는 한국식 양식 점수보다 낮아 LoRA 기반 학습이 문화적 혼용을 일정 부분 완화한다는 것을 확인하였다. 제시된 평가 프레임워크와 실험 결과는 생성형 AI의 전통 건축 재현 특성을 논의하기 위한 평가 기준으로서 향후 관련 연구의 기준선으로 활용될 수 있다.
Abstract
(Background and Purpose) Generative AI is increasingly used in architectural visualization, but biased training data often lead to mixed or distorted representations of East Asian architecture. Hanok, with its distinctive giwa roof, timber structure, and proportion, is particularly vulnerable to cultural interference in text-to-image generation. This study therefore aims to empirically evaluate how accurately a FLUX-based LoRA model, specialized for hanok remodeling facades and coupled with a CLIP-based evaluation scheme, can reproduce architectural fidelity and cultural identity in hanok exterior images. (Method) A total of 100 contemporary Hanok remodeling facade images were collected, preprocessed, and used to construct a LoRA-fine-tuned FLUX model with a unified trigger token“Hanstyle01”. Subsequently, a structured workflow was implemented in ComfyUI, incorporating ControlNet (Canny/Depth) to maintain consistent shape conditions while varying material and program attributes. Using ten predefined prompt cases (R01–R05 for residential, C01–C05 for commercial), the model generated 1,000 facade images. These outputs were evaluated using the CLIP Vision model across six quantitative criteria reflecting both architectural and cultural characteristics. Architectural fidelity was assessed through: [A] Giwa roof accuracy, verifying the correctness of roof curvature and tile rhythm; [B] material expression, evaluating clarity of texture boundaries in wood, brick, plaster, and concrete; and [C] functional readability, determining whether residential and commercial spatial cues were visually distinguishable. Cultural identity was examined by measuring [K] Korean style alignment and the unintended presence of [C] Chinese and [J] Japanese stylistic elements particularly roof typologies and façade motifs. (Results) Overall CLIP scores exceeded 30, indicating stable text–image alignment. Giwa roof expression showed the highest score [A: 33.4], demonstrating that traditional eave curvature and tile rhythm were reliably reproduced. Korean style alignment [K: 33.2] was also high, suggesting consistent learning of hanok-specific proportions, material contrasts, and facade composition. In contrast, material fidelity [B: 25.6] was relatively low, and several cases exhibited ambiguous boundaries and textures in plaster, timber, and metal finishes. Scores for Japanese and Chinese style interference [J, C] were lower than [K], indicating that cultural mixing was largely suppressed and that hanok-specific identity was comparatively well preserved. (Conclusions) The proposed FLUX+LoRA+ControlNet workflow and CLIP-based six-item evaluation framework demonstrate that generative AI can reproduce hanok remodeling facades with reasonable fidelity in roof form, proportion, and functional differentiation, while still showing limitations in material texture and boundary expression. The findings suggest that LoRA-based fine-tuning can partially mitigate cultural mixing between East Asian styles. Overall, the evaluation framework and experimental results provide a practical assessment standard for discussing how generative AI reproduces traditional architecture, and can serve as a reference baseline for future AI-based visualization and design research on hanok and related heritage environments.