가시성 그래프를 이용한 생성형 AI의 평면도 이미지 분석
Analysis of Generative AI's Floor Plan Images Using Visibility Graphs
2
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
(연구배경 및 목적) AI 이미지 생성 엔진은 텍스트나 스케치와 같은 입력에 따라 다양한 이미지를 자동으로 생성하는 인공지능 기술이다. 이 기술은 최근 몇 년 동안 빠른 발전을 이루어 왔으며, 디자인 광고 게임, 예술 등에서 AI가 생성한 이미지를 사용하거나 참고하는 등 건축을 비롯한 다양한 분야에서 활용되고 있다. 그러나, AI가 생성한 이미지가 실제로 구현될 때 어떤 문제점이나 한계점이 있을 수 있는지에 대해서는 충분히 연구되지 않은 실정이다. 따라서, AI가 생성한 이미지를 건축 분야에서 실용적으로 활용하기 위해서는 AI가 생성한 이미지의 활용도를 객관적으로 평가하고 검증하는 방법이 필요하다. 이 연구의 목적은 AI 이미지 생성 엔진을 통해 만들어진 건축 평면도의 공간적 특성과 품질을 공간구문론적 관점에서 분석하는 것이다. (연구방법) 본 연구에서는 생성형 AI, 특히 DALL·E 3를 이용하여 생성된 이미지를 평면도로 재구성하고, 이를 공간구문론을 기반으로 하는 depthmapX 프로그램을 사용해 기준점과 비교 분석하였다. 공간구문론에 대한 선행연구 분석을 바탕으로 한 관련 중심단어를 설정하여 이미지 생성형 AI와 연동시킬 프롬프트(Prompt)로 설정한다. 이를 통해 생성된 이미지를 공간구문론의 가시성 그래프 분석(VGA:Visibility Graph Analysis)을 실시하고, 도출된 공간구문적 특성값을 분석하여 공간의 특성과 품질에 대해 평가하고 비교한다. (결과) 이를 통해 인공지능이 창출한 공간 구조의 특성을 탐구하였다. 결과적으로, AI에 의해 생성된 공간 이미지는 제시된 기준과 유사한 평면도의 느낌을 제공하였으나, 세부적으로 기준점과의 공간 특성 수치에서 기준점과의 차이가 나타났다. 이는 AI가 사용자 의도를 완벽하게 반영하지 못했음을 나타내며, AI 생성 공간의 구조적 요소들이 실제 환경 설계와 연계되는 데 기술적 한계가 있음을 보여준다. 또한, 연구 과정에서 사용된 프롬프트가 기준 공간의 특성을 충분히 반영하지 못했을 가능성과 AI 생성 이미지의 도면 표현이 명확하지 않아 주관적 해석의 여지가 있었다는 한계점이 드러났다. (결론) 이는 생성형 AI가 실제 공간 설계에 활용될 수 있는 잠재성을 가지고 있음을 시사한다. 하지만, 현재 기술 수준에서는 사용자 의도를 완전히 반영하고, 전문적인 설계자의 세심한 관점과 경험을 대체하기에는 미흡함이 드러났다. 이러한 결과는 생성형 AI 기술의 발전과 함께 사용자의 의도와 세부 사항을 더 정확하게 반영할 수 있는 알고리즘의 개선이 필요함을 의미한다. 또한, AI가 생성한 공간 구조를 실제 설계에 효과적으로 통합하기 위해서는 기술적 발전뿐만 아니라 설계자와 AI 간의 상호작용 방식에 대한 연구와 개선이 중요하다. 생성형 AI는 공간 설계 분야에 혁신을 가져올 수 있는 가능성을 지니고 있지만, 이를 현실화하기 위해서는 기술적 발전과 인간-기계 상호작용에 대한 추가적인 연구와 이해가 요구된다.
Abstract
(Background and Purpose) AI image generation engines are artificial intelligence technologies that automatically generate various images based on inputs such as text or sketches. This technology has rapidly developed in recent years and is used in various fields including architecture, utilizing or referencing AI-generated images in design, advertising, games, and art. However, there has been insufficient research on potential problems and limitations when AI-generated images are implemented in reality. Therefore, to practically utilize AI-generated images in the field of architecture, it is necessary to objectively evaluate and verify their usability. The purpose of this study is to analyze the spatial characteristics and quality of architectural floor plans created by AI image generation engines from a space syntax perspective. (Method) This study analysed floor plans generated from images using generative AI, especially DALL·E 3, were reconstructed into floor plans and compared and analyzed using depthmapX software based on space syntax. Use relevant kewords based on prior research on spatial syntax as prompt to link with image-generative AI. Visibility Graph Analysis (VGA) was then conducted on the generated images, and spatial syntax values were analyzed to evaluate and compare the characteristics and quality of the spaces. (Results) The study explored the characteristics of spatial structures created by artificial intelligence. The results indicate that while AI-generated spatial images provided a floor plan feel similar to the given standards, there were differences in the spatial characteristic values when compared to the reference points. This demonstrates that AI did not perfectly reflect the user's intentions, demonstrating the technical limitations in linking of the structural elements of AI-generated spaces to the actual environmental design. Additionally, the study revealed limitations in that the prompts used during the research may not have fully reflected the characteristics of the standard space and that the blueprint representation of the AI-generated images was not clear, allowing room for subjective interpretation. (Conclusions) Therefore, this suggests that generative AI has the potential to be utilised in real-world spatial design. However, the current level of technology revealed inadequacies in fully reflecting user intentions and replacing the meticulous perspective and experience of professional designers. These results imply the need for improvements in algorithms that can more accurately reflect user intentions and details, along with the advancement of generative AI technology. Moreover, for the effective integration of AI-generated spatial structures into actual design, research and improvements in the interaction methods between designers and AI are crucial. While generative AI holds the potential to bring innovation to the field of space design, realizing this potential requires further research and understanding of technological advancements and human-machine interaction.
참고문헌 (17)
- Choi, J., "Evacuation efficiency evaluation model based on euclidean distance with visual depth", Proceedings of the Space Syntax Symposium, pp.1~16 (2007)
- Doersch, C., "Tutorial on variational autoencoders", arXiv preprint arXiv, ~ (2016)
- Han, O., "The Paradigm Shift in Software Education in the GPT Era", The Journal of Korean Association of Computer Education, 27(2), pp.43~46 (2023)
- Hong, E., "ChatGPT를 넘어, 생성형 AI(Generative AI)의 미래", ~ (2023)
- Kayly, L., "What Is Prompt Engineering? Strategies for Creating Effective AI Inputs" (2023), splunk
- Kim, M., "A Study on the Analysis of Visitor’s Movements through Space Syntax in Art Museum", MA, pp.2018
- 김예람, "공간구문론을 이용한 박물관 전시공간 분석", 한국공간디자인학회 논문집, 14(2), pp.81~90 (2019), 한국공간디자인학회[DOI]
- Martin, A., "Is DALL-E 2 Just ‘Gluing Things Together’ Without Understanding Their Relationships?", UNITE.AI, ~ (2022)
- Moon, S., "What Is a Prompt? - Definition, principles, comparison", On Prompting and Effective Engineering in the Age of Gen AI, ~ (2023)
- 오충원, "Space Syntax를 이용한 한강이남 자전거도로망의 접근성 분석", 한국도로학회논문집, 14(3), pp.97~110 (2012), 한국도로학회[DOI]
- Oppenlaender, J., "Prompting ai art: An investigation into the creative skill of prompt engineering", Art, Computer Science, pp.1~34 (2023)
- 박하나, "이미지 생성 인공지능(AI) 달리(DALL·E)의 활용 사례 연구", 조형미디어학, 26(1), pp.102~110 (2023), 한국일러스아트학회[DOI]
- Rombach, R., "High-resolution image synthesis with latent diffusion models", Proceedings of the IEEE, 2022, 10684~10695
- 태혜신, "인공지능과 예술의 융합 양상에 관한 탐색적 고찰", 한국무용과학회지, 36(2), pp.27~42 (2019), 한국무용과학회[DOI]
- Turner, A., "Depthmap: a program to perform visibility graph analysis", Proceedings of the 3rd international symposium on space syntax, 31, pp.12~31 (2001), Georgia Institute of Technology
- Turner, A., "From isovists to visibility graphs : a methodology for the analysis of architectural space", Environment and Planning B : Planning and design, 28(1), pp.103~121 (2001)
- Yang, J., "ChatGPT를 넘어 생성형(Generative)AI 시대로 : 미디어·콘텐츠 생성형 AI 서비스 사례와 경쟁력 확보 방안", Media Issue & Trend Domestic Report, 55(3), pp.62~70 (2023)