•  
  •  
 

Abstract

Nowadays, Machine Learning (ML) is frequently used in almost all disciplines having an intersection with technology. Recently, architects are using existing plan data sets in architecture through Deep Learning (DL) algorithms of big data to achieve generative and non-existent plan models by using ML. Especially, Generative Adversarial Neural Networks (GANs), one of the deep learning algorithms, have been in use in the creation of generative models for architectural studies. Within the scope of this paper, architectural drawings were generated by using GANs. This generation method allows for the training of spatial layout planning to networks and for the generation of plans that do not exist in the dataset. Architectural drawings of TOKI (Housing Development Administration of the Republic of Türkiye) mass housing projects were used as datasets. In line with studies already carried out, this study attempts to create a method for further processing of the research. In this study, the differences between the plan typologies generated with raster images and the reality relations in visual productions between graph-based plan layout productions were evaluated. In this context, 157 plan datasets were obtained by multiplying plans which were spatially correlated with the RGB settings of 21 plan typologies. As a result of this research, it has been determined that the spatial layout planning of the HouseGAN algorithm provides TOKİ's current plan typologies of generation together with bubble diagrams. HouseGAN was trained using its dataset and the outputs obtained were realistic background images.

Keywords

Machine Learning, Generating Architectural Drawings, GANs

الملخص (Abstract in Arabic)

في الوقت الحاضر، يتم استخدام التعلم الآلي بشكل متكرر في جميع التخصصات تقريبًا التي لها تقاطع مع التكنولوجيا. في الآونة الأخيرة، يستخدم المعماريون مجموعات البيانات للمساقط الأفقية في مجال العمارة من خلال خوارزميات التعلم العميق للبيانات الضخمة لتحقيق نماذج لمخططات غير موجودة باستخدام التعلم الآلى. على وجه الخصوص، تم استخدام الشبكات العصبية التوليدية (GANs)، وهي إحدى خوارزميات التعلم العميق، في إنشاء نماذج توليدية للدراسات المعمارية. في نطاق هذه الورقة، تم إنشاء الرسومات المعمارية باستخدام شبكات GAN. تسمح طريقة التوليد هذه بالتدريب على التخطيط الفراغى المكاني للشبكات ولإنشاء مساقط غير موجودة في مجموعة البيانات. تم استخدام الرسومات المعمارية لمشاريع الإسكان الجماعي TOKI (إدارة تطوير الإسكان في جمهورية تركيا) كمصدر لمجموعات البيانات. تمشيا مع الدراسات التي أجريت بالفعل، تحاول هذه الدراسة إنشاء طريقة لمزيد من معالجة البحث. في هذه الدراسة، تم تقييم الفروق بين أنماط المساقط الأفقية التي تم إنشاؤها باستخدام الصور النقطية وعلاقات الواقع في الإنتاج المرئي بين إنتاجات التخطيط القائمة على الرسم البياني. في هذا السياق، تم الحصول على ١٥٧ مجموعة بيانات للمساقط عن طريق مضاعفة المساقط التي ارتبطت مكانيًا بإعدادات RGB لـ٢١ نموذجًا للمسقط. نتيجة لهذا البحث، تم تحديد أن تخطيط المساقط المكاني لخوارزمية HouseGAN يوفر نماذج مساقط TOKİ الحالية للتوليد جنبًا إلى جنب مع المخططات الفقاعية. تم تدريب HouseGAN باستخدام مجموعة البيانات الخاصة به وكانت المخرجات التي تم الحصول عليها عبارة عن صور خلفية واقعية.

الكلمات الدالة (Keywords in Arabic)

التعلم الآلى، توليد رسومات معمارية، شبكات عصبية توليدية.

Disciplines

Architecture | Arts and Humanities | Education | Engineering

Article Language

English

Share

COinS
 
 

To view the content in your browser, please download Adobe Reader or, alternately,
you may Download the file to your hard drive.

NOTE: The latest versions of Adobe Reader do not support viewing PDF files within Firefox on Mac OS and if you are using a modern (Intel) Mac, there is no official plugin for viewing PDF files within the browser window.