이미지 생성 AI를 활용한 건축 렌더링 방식별 결과물 비교 분석 - PromeAI를 활용한 Render Mode를 중심으로 -

설유경

doi:10.17548/ksaf.2024.03.30.155

추천

검색

질문

자료유형: 학술저널

저자정보: 설유경 (서일대학교)

저널정보: 한국전시산업융합연구원 한국과학예술융합학회 한국과학예술융합학회 Vol.42 No.2

발행연도: 2024.3

수록면: 155 - 167 (13page)

DOI: 10.17548/ksaf.2024.03.30.155

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 건축용으로 사용할 수 있는 생성형 이미지 AI 프로그램인 PromeAI를 활용한 건축 렌더링의 효과적인 활용 방안을 탐색하는 데 목적을 두고 시작되었다. 특히, Render Mode별 효용성과 입력 방식의 변화에 따른 결과물의 비교 분석에 중점을 두었다. 연구 과정에서 다양한 Render Mode를 실험하고, Style Reference Image의 적용 유무를 교차 검증하여, AI렌더링이 건축설계에 미치는 영향과 잠재력을 심층적으로 조사하였다.
연구 결과, Style Reference Image의 사용이 결과물의 품질에 중대한 영향을 미치며, 특히 직접적인 이미지 표현에 있어 원하는 결과물을 도출하는 데 유의미한 변수가 됨을 확인하였다. 또한, Render Mode별로 건축물의 재료표현에서 유사한 특성을 나타내는 것이 관찰되었고, Style Intensity의 조정에 따라 디테일의 차이가 나타나지만, 각 Render Mode가 추구하는 바에 따라 결과물의 특성이 일관되게 유지됨을 확인할 수 있었다. 또한, Style Reference Image를 활용한 결과물은 Render Mode에 따른 차이를 완화 시키는 데 주요한 역할을 하고, 이는 특히 건축 렌더링의 목적에 따른 결과물 도출을 가능하게 함을 알 수 있었다. 그러나, Style Intensity가 증가함에 따라 일부 이미지에서는 어색한 입면 표현이나 디테일의 과도한 복잡성 증가와 같은 문제가 발생되었다.
이러한 연구 결과는 AI를 건축 렌더링에 적용할 때, 기술적 한계와 디자인 의도 사이의 균형을 고려해야 함을 시사한다. AI 렌더링의 속도와 다양성은 건축설계 과정을 효율적으로 변모시킬 수 있는 잠재력을 지니고 있으나, 렌더링 결과의 일관성과 디테일 처리에 있어 추가적인 작업과 정밀한 조정이 필요함을 드러냈다. 따라서, 향후 연구에서는 다양한 AI 프로그램의 성능 비교와 함께, AI 렌더링을 건축설계 과정에 효과적으로 통합하는 방안에 대한 심도 있는 탐구가 요구된다.
본 연구의 결과는 AI를 건축 디자인에 접목하는 시점에서 필요한 기초 연구 자료로 활용될 수 있으며, AI 기술의 발전과 함께 건축 렌더링의 새로운 가능성을 모색하는 데 기여할 것으로 기대된다. 연구는 PromeAI의 특정 기능을 바탕으로 한 한정된 사례 분석에 근거하지만, 이를 통해 얻은 연구 과정과 결과는 향후 AI와 건축 디자인의 융합에 있어 중요한 방향성을 제시할 것이다.

This study aims to explore effective utilization strategies for architectural rendering using PromeAI, a generative image AI program designed for architectural use. It focuses particularly on the utility of different Render Modes and the impact of changes in input methods on the outcomes. Throughout the research process, various Render Modes were tested, and the application of Style Reference Images was cross-examined to deeply investigate the effects and potential of AI rendering in architectural design.
The results indicate that the use of Style Reference Images significantly influences the quality of the outcomes, proving to be a meaningful variable in achieving the desired direct image representation. Additionally, while architectural materials exhibited similar characteristics across Render Modes, adjustments in Style Intensity revealed differences in detail, demonstrating that each Render Mode consistently maintained its intended outcome characteristics. Furthermore, the use of Style Reference Images played a crucial role in mitigating differences between Render Modes, enabling the flexible production of results tailored to the objectives of architectural rendering. However, an increase in Style Intensity led to issues in some images, such as awkward façade representations or an excessive increase in detail complexity.
These findings suggest that when applying AI to architectural rendering, it is essential to consider the balance between technological limitations and design intentions. The speed and diversity of AI rendering hold the potential to efficiently transform the architectural design process, yet the consistency of rendering results and detail management require further work and precise adjustments. Therefore, future research should include a thorough exploration of integrating AI rendering into the architectural design process, alongside performance comparisons of various AI programs.
The outcomes of this study can serve as foundational research material at the juncture of incorporating AI into architectural design, expected to contribute to exploring new possibilities in architectural rendering alongside the advancement of AI technology. Although the research is based on a limited case analysis focusing on specific features of PromeAI, the insights gained will provide important directions for the future integration of AI and architectural design.

#AI(인공지능) #AI Architecture(인공지능 건축) #AI Image Rendering(인공지능 이미지 렌더링) #PromeAI(프롬에이아이) #Convergence(융복합)

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

설유경

소속기관 청운대학교

주요연구분야 공학 > 건축공학 TOP 5% 공학 > 건축공학 > 건축공학 일반 TOP 5%

논문수 19 이용수 5,914

이 논문과 함께 이용한 논문

셰익스피어 공연에 나타난 성스러움과 경계성 : 오태석의 〈템페스트〉를 중심으로

이용은 Shakespeare Review 2015 .12

AI 이미지 생성기를 통한 건축 이미지 생성 실험 및 활용성 평가

이동호 , 고성학 KIEAE Journal 2023 .10

생성AI와 건축설계 시각화

이진국 건축 2023 .10

‘새로 만들기’: 생성형 AI, 모더니즘, 데이터베이스 예술

레프 마노비치 , 자운영 NJP 리더 2024 .09

건축 설계 AI 적용을 위한 건축 도면 데이터셋 구축의 현황 분석

허민지 , 구형모 , 김근재 외 1명 대한건축학회 학술발표대회 논문집 2024 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-089576816

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)