به کارگیری مدل دیفیوژن پنهان، مبتنی بر شبکه های عصبی در ارائه الگویی برای تولید مدارک معماری (شکل زایی طرح مسکونی)

اهداف: شکل‌ زایی چیدمان فضای معماری، یکی از اولین و طولانی ترین مراحل در فرآیند طراحی معماری است، هدف از این پژوهش، ارائه الگوی نوین شکل‌زایی مدارک معماری و به طور خاص تولید پلان‌ مسکونی، با استفاده از مدل دیفیوژن پنهان است که برخلاف نمونه های موجود قابلیت اعمال محدودیت های ورودی متنوع را فراهم می کند.روش ها: رویکرد محاسباتی این الگو یک شبکه دیفیوژن پنهان شامل سه شبکه عصبی شبکه پیچشی، کاهش‌دهنده نویز(unet) ، شبکه رمزگذار خارجی(vae) ، شبکه رمزگذار محدودیت‌ها(clip) است. برای آموزش این مدل، از یک مکانیزم تنظیم دقیق استفاده شده است. روش انجام این پژوهش از منظر اجرا  مبتنی الگوریتم نویسی، با استفاده از زبان برنامه نویسی پایتون است.یافته ها: ارزیابی‌های پژوهشگران، براساس معیارهای پی.سی.ای، اس.وی.ام، خوانش نمونه­ های تولید شده و مقایسه عملکرد مدل با مدل های مبتنی برداده موجود نشان می‌دهد که گردش کار و الگوی پیشنهادی این پژوهش پیشرفت‌ قابل‌توجهی در زمینه تولید پلان‌های طبقه نسبت به روش‌های مبتنی برداده فعلی نمایان کرده است. رویکردی که در آن معمار می تواند نقش فعالی در روند تولید ایفا کند.نتیجه گیری: الگوی ارائه شده در این پژوهش می تواند، فرآیند کاری معماران را تسهیل ‌کند و موجب آزادی عمل معماران و بروز خلاقیت بیشتر در طراحی پلان‌های طبقه شود. مساله مهم، توجه به نقش مهمی است که معمار می‌تواند برای ارائه فضاهای اجتماعی، منصفانه و محیطی مسئولیت‌پذیرتر ایفا کند. چنین رویکردهایی می‌تواند منجر به ایجاد نقش‌های جدید و معاصر برای معماران در فرآیند شکل زایی پروژه‌های معماری شود.

applying latent diffusion model - architecture as a model for the generation of architecture documents (morphogenesis patterns of residential plan)

aims:  morphogenesis layout of the architectural space is one of the first and longest steps in the work process of architects to accomplish their tasks. it is thus that the designing procedure has taken a lot of time and effort up to now. the purpose of this study was to provide a new model for morphogenesis of architecture documents. it specifically created residential building plans by means of neural networks.methods: the computational approach of this model was a latent diffusion model including three neural networks: a noise reduction network (unet), an external variational auto encoder network (vae), and a constraint encoder network (clip). a fine-tuning mechanism was used to train this practical model. the method of conducting this study was based on computer simulation, using python programming language.findings: the researchers used the criteria of principal component analysis )pca( and a support vector machine )svm( while evaluating the findings quantitatively and qualitatively. reading of samples indicated that the workflow and the proposed model of the research not only significantly improved in generating floor plans, compared to the current methods, but also the project plans, in many cases, were comparable with those of humans.conclusion: the researchers used the criteria of pca and svm while evaluating the findings quantitatively and qualitatively. the researchers’ samples indicated that the workflow and the proposed model of the study significantly improved in generating floor plans, compared to the current methods. besides, in many cases, the project plans were comparable with those of humans