생성형 AI를 활용한 유휴공간 재생 디자인 프로세스 연구 -지역공동체 회복 기반의 유휴공간을 중심으로-
A Study on Generative AI-Based Idle Space Regeneration Design Process -Focusing on Idle Spaces for Local Community Recovery-
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
(연구배경 및 목적) 최근 도시 환경이 급격하게 변화하고 있으며, 이에 따라 유휴공간의 수가 증가하고 있다. 목적을 상실한채 남아 있는 유휴공간은 도심 쇠퇴의 원인이 될 수 있으나 효과적으로 재생될 경우 지역공동체 회복을 촉진하는 새로운 자원이될 수 있다. 기존의 유휴공간 재생은 지역공동체 회복 측면에서 충분한 효과를 거두지 못하는 한계를 보였으나, 이러한 한계를극복하기 위한 대안으로 생성형 AI가 주목받고 있다. 이를 통해 지역공동체의 요구를 반영한 유휴공간 재생이 가능해지고, 기존접근 방식의 한계를 보완할 수 있다. 따라서 본 연구에서는‘유휴공간 재생이 지역공동체 회복에 미치는 영향 연구’(Moon, & Lee, 2025)에 대한 후속 연구로 지역공동체 회복 기반의 유휴공간 재생 디자인 도출하기 위해 생성형 AI를 활용한 디자인 프로세스를 연구하는데 목적이 있다. (연구방법) 본 연구는 생성형 AI를 활용한 지역공동체 회복 기반의 유휴공간 재생 디자인 프로세스를 연구하는 것을 목표로 하고 있으며, 선행연구를 바탕으로 이론적 고찰을 진행하고, 유휴공간 재생과 지역공동체 회복의특성을 도출하여 관계성을 설정한다. 또한 디자인 시각화를 위한 프로토타입을 구성하고, 도출된 특성을 기반으로 디자인 요소및 공간 요소를 도출하여 디자인 프롬프트를 설계한다. 이후, 생성된 시각적 이미지를 분석, 프롬프트를 최적화하여 보다 정교한디자인 시각화를 도출하고, 최종적으로 생성형 AI를 활용한 유휴공간 재생 디자인 프로세스를 제안한다. (결과) 초기 프롬프트를 기반으로 생성된 이미지를 분석하고, 프롬프트 엔지니어링을 통해 최종 프롬프트를 도출하여 생성된 이미지는 개방적이고 유연한 공간, 지역 정체성을 반영한 디자인, 자연스러운 교류를 유도하는 요소들을 포함하였으며, 이를 통해 생성형 AI를 활용한디자인 시각화가 지역공동체 회복을 기반으로 한 유휴공간 재생에 있어 효과적인 접근 방식임을 확인하였다. (결론) 본 연구는지역공동체 회복을 위한 유휴공간 재생 디자인을 도출하기 위해 생성형 AI 기반의 디자인 프로세스를 연구하였다. 생성형 AI와프롬프트 엔지니어링을 활용하여 공간 기획의 직관성과 체계성을 강화하고, 미드저니(Midjourney)를 통해 이를 시각적으로 구체화하는 과정을 진행하였다. 이를 통해 데이터 기반 시뮬레이션과 시각적 표현이 결합된 설계 방법을 확인하였다. 다만, AI 기반 디자인과 실제 공간 구현 간의 연계성을 검토하지 못한 한계가 있다. 향후 사용자 참여 기반의 실증적 연구가 필요하며, 본 연구가 도시 공간 기획, 공공 디자인, 스마트 도시 계획 등 다양한 분야에서 생성형 AI의 창의적 활용을 위한 기초자료로 활용되기를 기대한다.
Abstract
(Background and Purpose) Recently, the urban environment has changed rapidly, and the number of idle spaces is increasing accordingly. Unused space that remains aimless can cause urban decline, but if it is effectively regenerated, it can be a new resource to promote the recovery of local communities. Although the existing idle space regeneration has shown a limitation of not being sufficiently effective in terms of recovery of local communities, AI generated is drawing attention as an alternative to overcome these limitations. Through this, idle space regeneration that reflects the needs of local communities is possible, and the limitations of the existing approach method can be supplemented. Therefore, this study aims to study the design process using generated AI to derive idle space regeneration design based on local community recovery as a follow-up study on the "Research on the Effect of Unused Space Regeneration on Local Community Restoration" (Moon & Lee.2025). (Method) This study aims to study the idle space regeneration design process based on regional community recovery using generated AI, and theoretical consideration is conducted based on previous studies, and relationships are established by deriving the characteristics of idle space regeneration and community recovery. Also, a prototype for design visualization is constituted, and a design element and a space element are derived based on the derived characteristics to design a design prompt. After that, the generated visual image is analyzed and the prompt is optimized to derive more sophisticated design visualization, and finally, an idle space reproduction design process using the generated AI is proposed. (Results) The image generated by analyzing the generated image based on the initial prompt and deriving the final prompt through prompt engineering includes an open and flexible space, a design reflecting regional identity, and elements that induce natural interaction, which confirmed that design visualization using generated AI is an effective approach to idle space regeneration based on community recovery. (Conclusions) This study studied the generation AI-based design process to derive idle space regeneration designs for the recovery of local communities. Using generative AI and prompt engineering, we strengthened the intuition and systematic nature of space planning and proceeded with the process of visual embodiment through Mid Journey. Through this, it was confirmed that the design method that combines data-based simulation and visual representation is effective. However, there is a limitation that failed to examine the linkage between AI-based design and actual spatial implementation. In the future, empirical research based on user participation is needed, and it is expected that this study will be used as a basic data for creative use of generated AI in various fields such as urban space planning, public design, and smart city planning.