딥러닝기반 건축도면 자동인식을 통한 공간 조닝 대안 자동생성 기술에 관한 연구 = A Study on Automatic Recognition of Architectural Drawings and Generation of Spatial Zoning Alternatives Based on Deep Learning
The purpose of this study is to automatically generate architectural space zoning alternatives that can be used to create initial design alternatives through deep learning in order to develop an architectural design automation technology using artificial intelligence. In order to achieve this purpose, the first goal is to allow the system to learn, recognize, and infer the characteristics of architectural drawings, such as drawing elements and spatial use, expressed in the drawings. The second goal is to use this to automatically generate spatial zoning alternatives that reflect the requirements.
In the case of automatic recognition of architectural drawings, it consists of an Experiment➊ that infers drawing elements such as walls, doors, and windows, and an Experiment➋ that infers space usage such as a room, living room, and toilet. The resulting labeling image is intended to be used as training data in other experiments in the future. Therefore, as a result of analyzing several network models in terms of securing the resolution of the segmentation result or preserving the location information of the object on the image, the DeepLabV3+ model was selected and proceeded. Experiment➌ automatically creates spatial zoning alternatives by learning the requirements expressed in text and spatial zoning images through deep learning. Since the requirement text is not a single word, but a sentence in which words that refer to specific uses such as ‘room’ or ‘living room’ are mixed, AttnGAN was selected and proceeded to extract and express the features of each word.
In this study, it is not a simple repetitive task in architectural design, but an artificial intelligence that can help human creativity and autonomous judgment was created, and an alternative spatial zoning was created using artificial intelligence. This showed the potential of artificial intelligence to implement some tasks based on creativity. In the early stages of architectural design, artificial intelligence can reduce the time and effort required by architects to create alternatives, thereby increasing efficiency. In addition, this will certainly help architects to improve the quality of architectural designs by examining more alternatives and focusing more on their original work. Of course, even if technology develops, it is impossible to completely replace all the capabilities of an architect with artificial intelligence. However, because artificial intelligence can realize combinational and exploratory creativity while reducing errors and increasing accuracy based on a large amount of data, it can inspire architects who need to find the optimal plan to awaken transformational creativity. In the future, architectural design will create a new paradigm through collaboration between
artificial intelligence and architects.
본 연구는 인공지능을 활용한 건축설계 자동화 기술을 개발하기 위하여 딥러닝을 통해 초기 설계 대안 생성에 활용할 수 있는 건축 공간 조닝 대안을 자동으로 생성하는 것을 목적으로 하고 있다. 이를 위하여 건축도면의 특징, 즉 도면에 표현되어 있는 도면요소와 공간용도를 시스템이 스스로 학습하여 인지하여 추론하도록 하는 것이 첫 번째 목표이고, 이를 활용하여 요구사항을 반영한 공간 조닝 대안을 자동으로 생성하도록 하도록 하는 것이 두 번째 목표이다.
건축도면 자동인식의 경우, 벽, 문, 창문과 같이 도면에 표현되어 있는 도면요소를 추론하는 실험(Experiment➊)와 방, 거실, 화장실 등 공간용도를 추론하는 실험(Experiment➋)으로 이루어져 있다. 결과물로 나온 레이블링 이미지가 향후 다른 실험에 훈련 데이터로 사용되기 위한 것이므로, 세그멘테이션 결과물의 해상도 확보나 이미지 상에 있는 객체의 위치정보 보존 측면에서 여러 네트워크 모델을 분석한 결과 DeepLabV3+모델을 선정하여 진행하였다. 공간 조닝 대안 자동 생성의 경우, 텍스트로 표현된 요구사항과 공간 조닝 이미지를 딥러닝을 통해 학습하여 자동으로 공간 조닝 대안을 생성하는 실험(Experiment➌)으로, 요구사항 텍스트가 하나의 단어가 아닌 “방”이나 “거실” 등의 구체적인 용도를 지칭하는 단어들이 섞여 있는 문장의 형태이므로 단어 하나하나의 특징을 추출하고 표현할 수 있는 AttnGAN을 선정하여 진행하였다.
본 연구에서는 건축 설계에 있어서 단순 반복 업무가 아닌, 인간의 창의력과 자율적 판단력을 도와 줄 수 있는 인공지능을 구현하고자 하였으며, 공간 조닝 대안을 인공지능을 이용하여 생성하였다. 이것은 창의성에 기반한 일부 업무를 구현할 수 있는 인공지능의 가능성은 보여주었다. 건축 설계 초기단계에서 건축가가 대안 생성에 드는 시간과 노력을 인공지능이 감소시켜 줌으로써 효율성을 높이고, 더 많은 대안을 검토하고 본연의 업무에 더 집중하여 건축 설계의 품질을 높이는데 분명 도움이 될 것이다. 물론 기술이 발전한다고 하더라도 건축가의 모든 능력을 완벽히 인공지능으로 대체하는 것은 불가능하다. 하지만 인공지능은 대량의 데이터를 기반으로 오류를 줄이고 정확도를 높이면서도 데이터 기반의 조합적, 탐색적 창의성을 구현할 수 있기 때문에 최적의 안을 찾아가야 하는 건축가로 하여금 변형적 창의성을 일깨울 수 있는 실마리를 제공하고 영감을 줄 수 있다. 향후 건축설계는 이러한 인공지능과 건축가의 협업으로 새로운 패러다임을 만들어 나갈 것이다.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)