(연구 배경 및 목적) 본 논문은 생성형 인공지능을 사용하여 지역의 아이덴티티를 기반으로 건물의 파사드 디자인 이미지를 생성하는 접근방법을 제안한다. AEC-FM(Architecture, Engineering, Construction, and Facility Management) 프로젝트의 영역에서 건축가 및 클라이언트의 디자인 요구사항 및 설계 개념은 전통적으로 시각적 표현과 구두 설명의 조합 등을 통해 초기 디자인 커뮤니케이션에 반영되었다. 이러한 전통적인 방식은 컴퓨팅 기술의 발전과 함께, 3D 모델링, 렌더링 기술 및 인공지능 기술과 함께 응용되어 보다 단순하고 효율적인 프로세스의 작업으로 변화하고 있다. 본 연구에서는 최근 ChatGPT와 같은 대규모 언어모델 기반의 생성형 인공지능을 활용하여 초기 디자인 커뮤니케이션에서 응용할 수 있는 실사 이미지와 같은 건물의 파사드 디자인 생성 방안을 제시하고자 한다. 또한 이는 파사드 디자인 시 고려되는 사항 중 지역 아이덴티티를 반영할 수 있도록 건축 지식을 접목하여 그 응용성을 증대시키고자 한다. (연구 방법) 이의 연구 방법은 다음과 같은 순으로 진행된다. 첫째, 가용한 생성형 인공지능 모델을 활용하기 위해 기존의 공개된 모델 및 플랫폼을 기반으로 이미지 생성 테스트를 진행한다. 둘째, 해당 테스트 결과를 통해 생성형 인공지능 기반으로 Fine-tuning을 진행한다. 이에 대한 프로세스는 1) 이미지데이터 수집 및 텍스트 데이터와의 페어링을 통한 학습 데이터세트 구축, 2) 하이퍼파라미터 조정, 3) Fine-tuned 모델 파일 생성 순으로 수행한다. 최종적으로, 생성된 Fine-tuned 모델 파일을 적용할 수 있는 활용 방안을 제시한다. (결과) Fine-tuned 모델 파일을 생성하고 해당 파일을 적용하여 다양한 파사드 이미지 시각화를 진행한 결과, 기존의 고성능 PC를 요구하는 GPU 렌더링을 통한 건물의 파사드 시각화와 비교하였을 때, 보다 짧은 시간 안에 실사와 같은 다양한 파사드 디자인 이미지를 생성할 수 있는 것을 확인하였다. 생성되는 이미지들은 기존에 공개된 모델 및 플랫폼의 테스트에서 생성되지 않던 성수동 지역의 파사드 디자인 아이덴티티가 담긴 이미지들로, 성수 지역의 실제 건물들과 유사하도록 생성되는 것을 확인하였다. 더 나아가 해당 방법론을 적용하여 성수 지역의 파사드 디자인 스타일 반영의 가중치를 조정함으로써 창의적인 지역의 파사드 디자인 대안을 생성할 수 있었으며, 또한 이를 3D 모델링의 파사드 이미지에 적용하여 수 초 내에 많은 양의 렌더링 이미지를 생성할 수 있음을 확인하였다. (결론) 본 논문에서 제안하는 생성형 인공지능 기반의 건물 파사드 디자인 방안을 활용하여 창의적인 디자인 이미지를 빠르게 생성함으로써, 건축 프로세스에서 초기 설계 시 디자인 커뮤니케이션에서의 효율성을 추구할 수 있다는 것에 본 연구의 의의가 있다. 추후 본 연구를 통해 생성형 인공지능 기술을 기반으로 다양한 디자인 고려 사항이 반영된 건축 이미지를 시각화할 수 있는 기초연구로써 제공될 것으로 기대한다.

(Background and Purpose) This paper proposes an approach to generating building facade design images based on the local identity using generative AI. In the domain of Architecture, Engineering, Construction, and Facility Management (AEC-FM) projects, architects and clients' design requirements and conceptualizations have traditionally been communicated in the initial design phase through a combination of visual representations and verbal explanations. With the advancement of computing technologies, these established practices are developing into simpler and more efficient processes, incorporating 3D modeling, rendering techniques, and artificial intelligence. In this study, we aim to explore the application of generative AI based on large language models such as ChatGPT, in generating facade design proposals resembling photo-realistic images that can be utilized in early-stage design communication. Additionally, we seek to enhance the applicability of these proposals by integrating architectural knowledge, allowing for the incorporation of local identity considerations in facade design. This integration aims to augment the adaptability and relevance of the generated designs in reflecting local identity aspects. (Method) The research methodology for this study is conducted in the following sequence. Firstly, image generation tests are conducted based on existing publicly available models and platforms to utilize viable generative AI models. Secondly, fine-tuning is performed on the generative AI models based on the outcomes of these tests. This process involves 1) constructing a training dataset through image data collection and pairing with text data, 2) hyperparameters adjustment, and 3) generating fine-tuned model files. Finally, potential applications for the generated fine-tuned model files are proposed. (Results) The study demonstrated that using fine-tuned generative AI models, diverse and photo-realistic facade design images could be created in a much shorter time compared to traditional methods employing high-performance PCs and GPU rendering. These images have captured the specific facade design identity of Seongsu-dong, not previously achievable with publicly available models. They were validated to closely resemble real buildings in the Seongsu area. Furthermore, the methodology allowed for creative local facade design alternatives by adjusting the weighting of Seongsu-dong's design style. This method approach was also applied to 3D modeling, enabling the rapid generation of a large quantity of rendering images. (Conclusions) This study holds significance in proposing a generative AI-based approach for building facade design, enabling the rapid generation of creative design images. By utilizing this approach, efficiency in design communication during the initial stages of the architectural process can be pursued. The importance of this research lies in its potential to offer foundational insights, using generative AI technology, into visualizing architectural images incorporating various design considerations. In the future, it is anticipated that this research will serve as a fundamental study, laying the groundwork for visualizing architectural images that encompass diverse design factors based on generative AI technology.