Обзор статьи

Эффективность обучаемого искусственного интеллекта при создании архитектурно-художественных решений

УДК: 

004.8

DOI: 

10.23968/1999-5571-2025-22-3-15-28

Страницы: 

15-28

Аннотация: 

Дано обоснование целесообразности использования обучаемого искусственного интеллекта для разработки архитектурно-художественных решений здания на основе апробации экспериментального проектирования. Определены требования к архитектурным визуализациям; представлено обоснование выбора используемой нейросети, описание процесса создания обучаемой модели, подготовки эскиза и функций генерирования изображений. В качестве гипотезы и целеполагания предложен новый подход к созданию архитектурно-художественных решений здания с использованием обучаемых моделей на основе открытой нейросети с интуитивно-понятным интерфейсом. Показано, что использование собственных обучаемых моделей для генерации архитектурных изображений позволяет создавать качественные с художественной точки зрения решения, отвечающие заданным условиям.

Список цитируемой литературы: 

  1. Воличенко О., Цурик Т. Искусственный интеллект в концептуально-прототипном проектировании // Проект Байкал. 2024. № 21 (79). С. 38-44

  2. Касьянов Н. В. О применении возможностей искусственного интеллекта в архитектуре, градостроительстве и строительных науках // Современная архитектура мира: основные процессы и направления развития: тезисы докл. XV Междунар. науч. конф., 7-8 октября 2024 г. URL: https://archi.ru/elpub/100299/o-primenenii-vozmozhnostei-iskusstven-nogo... (дата обращения: 30.10.2024)

  3. Власова Е. Л., Власова М. Л., Боровикова Н. В., Карелин Д. В. Искусственный интеллект в архитектурно-градостроительном проектировании // Architecture and Modern Information Technologies. 2023. № 4 (65). С. 311-324

  4. Сахаров П. М., Тлустый Р. Е. Искусственный интеллект в архитектурном проектировании: инновации, оптимизация и будущее // Междунар. науч. журнал «ВЕСТНИК НАУКИ». 2024. Т. 4, № 6 (75). С. 1423-1438

  5. Huang V., Zheng H. Recognition and generation of architectural drawings using machine learning // Proceedings of the 38th Annual Conference of the Association for Computer Aided Design in Architecture. Mexico City, Mexico. 2018. Pp. 18-20. DOI 10.52842/ conf.acadia.2018.156

  6. Kaushikkumar P., Divya B. Ai-enhanced Design: Revolutionizing Methodologies And Workflows // International Journal of Artificial Intelligence Research and Development (IJAIRD) January-June 2024. Vol. 2. Iss. 1. Pp. 135-157

  7. Левшукова К. М., Забегина А. Р. Формирование концептуального решения архитектурного проекта с применением нейросетей // International journal of Professional Science. 2023. № 9. С. 20-29

  8. Чмир Ю. Э., Карелин Д. В. Пути интеграции автоматизированного процесса и адаптация искусственного интеллекта при разработке проектных решений // Приволжский научный журнал. 2021. № 1 (57). С. 84-91

  9. D’Uva D. AI-Enhanced Facade Design: Exploring the Synergy of Generative Models and Architectural Creativity // Proceedings of the 45 th International Conference of Representation Disciplines Teachers. Milano: FrancoAngeli. 2024. Pp. 355-362

  10. Колесникова К. В., Мальцева А. А. Перспективы и особенности использования искусственного интеллекта в области архитектурной визуализации на примере Veras.ai // Новые информационные технологии в архитектуре и строительстве: материалы VII Междунар. науч.-практ. конф., 7-8 ноября 2024 г. / под ред. Г. Б. Захаровой. Екатеринбург: Уральский гос. архитектурно-художественный ун-т им. Н. С. Алфёрова, 2024. С. 47

  11. Пичугов П. А., Шабиев. С. Г. Методика использования stable diffusion для генерации вариантов фасадных решений на основе искусственного интеллекта // Architecture and Modern Information Technologies. 2024. № 3 (68). С. 327-338

  12. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. М.: ДМК Пресс, 2018. 652 с

  13. Borji A. Generated faces in the Wild: A quantitative comparison of stable diffusion, midjourney and dall-e 2 // Quintic AI. San Francisco. 2022. URL: https://arxiv.org/pdf/2210.00586 (дата обращения: 30.10.2024)

  14. Zhang L., Rao A., Agrawala M. Adding conditional control to text-to-image diffusion models // Proceedings of the IEEE/CVF International Conference on Computer Vision. 2023. Pр. 3836-3847

  15. Rombach R., Blattmann A., Lorenz D., Esser P., Ommer B. Synthesis of high-resolution images using latent diffusion models // IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2022. Pр. 10674-10685

  16. Zhang J., Fukuda T., Yabuki N. Automatic generation of synthetic datasets from a city digital twin for use in the in-stance segmentation of building facades // Journal of Computational Design and Engineering. 2022. № 9. Pр. 1737-1755

  17. Ma H., Zheng H. Text Semantics to Image Generation: A Method of Building Facades Design Base on Stable Diffusion Model. In: Yan, C., Chai, H., Sun, T., Yuan, P.F. (eds) // Phygital Intelligence. CDRF 2023. Computational Design and Robotic Fabrication. Springer, Singapore. Pр. 24-34

  18. Jo Н., Lee J.-K., Lee Y.-C., Choo S. Generative artificial intelligence and building design: early photorealistic render visualization of façades using local identitytrained models // Journal of Computational Design and Engineering. April 2024. Vol. 11. Iss. 2. Pр. 85-105

  19. Ali A. K., Lee O. J. Facade Style Mixing Using Artificial Intelligence for Urban Infill // Architecture. 2023. № 3. Pp. 258-269

Ключевые слова: 

Полный текст (файл): 

PDF

Авторы: 

Михайловская Л. А. Санкт-Петербургский политехнический университет Петра Великого Санкт-Петербург, Россия

Гулиева Д. В. Санкт-Петербургский политехнический университет Петра Великого Санкт-Петербург, Россия

Бардина Г. А. Санкт-Петербургский политехнический университет Петра Великого Санкт-Петербург, Россия

Другие статьи авторов: 

Ссылка на статью в НЭБ: 

https://elibrary.ru/item.asp?id=82836256

Выпуск журнала

№ 3 (110) Июнь 2025