생성형 AI 기반 건축문화유산 지붕부 및기둥부 손상 이미지 데이터 생성 연구
A Study on Generative AI-Based Damage Image Data Generation for Roofs and Pillars of Architectural Heritage
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
목조 건축문화유산은 풍화, 생물학적 요인, 인위적 훼손 등에 의해 부재의 손상이나 표면 변화가 쉽게 발생하는 특징을 지닌다. 최근 딥러닝을 기반으로 구조물의 손상 탐지 및 상태 분석 기술이 발전하면서, 전통 건축물의 자동 진단 및 모니터링 연구도 활발히 이루어지고 있다. 그러나 문화유산 분야는 그 특성상 실제 손상 사례의 발생 빈도가 낮고 공개된 고품질 손상 이미지 데이터셋이 부족하여, 딥러닝 모델의 학습과 평가에 어려움이 따른다. 이에 본 연구에서는 국가지정 건조물 정기조사 보고서와 모니터링 보고서에 수록된 손상 사례 이미지 및 텍스트를 수집·정제하고, 이를 기반으로 생성형인공지능인 Stable Diffusion을 활용하여 목조 건축문화유산의 기둥부 및 지붕부 손상 이미지 데이터를 생성하였다. 특히 각 부재에서 발생하는 대표적인 손상유형을 반영한 계층적 프롬프트를 설계하고 세 종류의 모델을 학습시켜 조건부 이미지 생성을 수행하였다. 생성된 이미지는 CLIP Score, Inception Score, Frechet Inception Distance를 통해 정량적평가를 진행하였다. 본 연구는 생성형 AI를 활용한 문화유산 손상 데이터 증강 기법을 제안함으로써, 향후 목조 건축문화유산 보존 및 구조 건강 모니터링 분야에서의 인공지능 활용 가능성을 넓히는데 기여할 것으로 기대한다.
Abstract
Wooden architectural heritage structures are inherently vulnerable to damage and surface changes caused by weathering, biological agents, and human-induced factors. Recent advances in deep learning-based techniques for structural damage detection and condition assessment have facilitated the development of automated diagnostic and monitoring systems for traditional architecture. However, in the cultural heritage domain, the limited availability of real damage cases and the scarcity of high-quality, publicly accessible image datasets pose significant challenges to the training and evaluation of deep learning models. To mitigate these constraints, this study constructs a dataset of damage images generated with generative AI (Stable Diffusion) for Korean wooden architectural heritage by extracting and curating textual and visual evidence from national heritage inspection and monitoring reports. We design hierarchical prompts that reflect representative damage types specific to structural components (e.g., pillars and roofs) and perform conditional image generation with Stable Diffusion trained in three configurations. The generated images are quantitatively evaluated using CLIP score, Inception Score (IS), and Fréchet Inception Distance (FID). By proposing a generative-AI-based approach to domain-specific data augmentation, this work broadens the potential application of artificial intelligence to the preservation and structural health monitoring of wooden cultural heritage structures.