論文の概要: Generative AI for Urban Design: A Stepwise Approach Integrating Human Expertise with Multimodal Diffusion Models

• arxiv url: http://arxiv.org/abs/2505.24260v1
• Date: Fri, 30 May 2025 06:33:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.805427
• Title: Generative AI for Urban Design: A Stepwise Approach Integrating Human Expertise with Multimodal Diffusion Models
• Title（参考訳）: 都市デザインのためのジェネレーティブAI:マルチモーダル拡散モデルと人間の専門知識を統合する段階的アプローチ
• Authors: Mingyi He, Yuebing Liang, Shenhao Wang, Yunhan Zheng, Qingyi Wang, Dingyi Zhuang, Li Tian, Jinhua Zhao,
• Abstract要約: 本研究では,マルチモーダル拡散モデルと人間の専門知識を統合した段階的都市デザインフレームワークを提案する。 単一のエンドツーエンドのプロセスで結果を生成するのではなく、このフレームワークは、確立された都市デザインに合わせた3つの重要なステージにプロセスを分割する。 各段階で、レンダリング拡散モデルは、テキストプロンプトと画像ベースの制約に基づいて予備設計を生成する。
• 参考スコア（独自算出の注目度）: 16.15278208238539
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban design is a multifaceted process that demands careful consideration of site-specific constraints and collaboration among diverse professionals and stakeholders. The advent of generative artificial intelligence (GenAI) offers transformative potential by improving the efficiency of design generation and facilitating the communication of design ideas. However, most existing approaches are not well integrated with human design workflows. They often follow end-to-end pipelines with limited control, overlooking the iterative nature of real-world design. This study proposes a stepwise generative urban design framework that integrates multimodal diffusion models with human expertise to enable more adaptive and controllable design processes. Instead of generating design outcomes in a single end-to-end process, the framework divides the process into three key stages aligned with established urban design workflows: (1) road network and land use planning, (2) building layout planning, and (3) detailed planning and rendering. At each stage, multimodal diffusion models generate preliminary designs based on textual prompts and image-based constraints, which can then be reviewed and refined by human designers. We design an evaluation framework to assess the fidelity, compliance, and diversity of the generated designs. Experiments using data from Chicago and New York City demonstrate that our framework outperforms baseline models and end-to-end approaches across all three dimensions. This study underscores the benefits of multimodal diffusion models and stepwise generation in preserving human control and facilitating iterative refinements, laying the groundwork for human-AI interaction in urban design solutions.
• Abstract（参考訳）: 都市デザインは多面的なプロセスであり、様々な専門家や利害関係者の間でサイト固有の制約やコラボレーションを慎重に検討する必要がある。 生成人工知能(GenAI)の出現は、デザイン生成の効率を改善し、デザインアイデアのコミュニケーションを促進することによって、変革的なポテンシャルを提供する。 しかしながら、既存のアプローチのほとんどは、ヒューマンデザインワークフローとうまく統合されていません。 彼らはしばしば、現実世界の設計の反復的な性質を見下ろしながら、限られた制御でエンドツーエンドのパイプラインに従う。 本研究では,マルチモーダル拡散モデルと人間の専門知識を統合し,より適応的で制御可能な設計プロセスを実現する段階的な都市デザインフレームワークを提案する。 この枠組みは, 道路ネットワークと土地利用計画, (2) 建築レイアウト計画, (3) 詳細な計画とレンダリングの3つの重要な段階に分けて構築する。 各段階において、マルチモーダル拡散モデルは、テキストプロンプトと画像に基づく制約に基づいて予備設計を生成し、人間の設計者によってレビューされ、洗練される。 生成した設計の忠実度、コンプライアンス、多様性を評価するための評価フレームワークを設計する。 シカゴとニューヨーク市のデータを用いた実験は、私たちのフレームワークがベースラインモデルやエンドツーエンドアプローチを3次元にわたって上回っていることを示している。 本研究は, 都市デザインソリューションにおける人間とAIの相互作用の基礎となる, 人的制御の保存と反復的改善の促進における多モード拡散モデルと段階的生成の利点を裏付けるものである。

関連論文リスト

• CreatiDesign: A Unified Multi-Conditional Diffusion Transformer for Creative Graphic Design [69.83433430133302]
  CreatiDesignは、モデルアーキテクチャとデータセット構築の両方をカバーする、自動グラフィック設計のための体系的なソリューションである。 まず、異種設計要素の柔軟かつ正確な統合を可能にする統合されたマルチ条件駆動アーキテクチャを設計する。 さらに,各条件が指定された画像領域を正確に制御することを保証するため,マルチモーダルアテンションマスク機構を提案する。
  論文  参考訳（メタデータ） (2025-05-25T12:14:23Z)
• I-Design: Personalized LLM Interior Designer [57.00412237555167]
  I-Designはパーソナライズされたインテリアデザイナで、自然言語によるコミュニケーションを通じて設計目標の生成と視覚化を可能にする。 I-Designは、対話や論理的推論に従事する大きな言語モデルエージェントのチームから始まる。 最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
  論文  参考訳（メタデータ） (2024-04-03T16:17:53Z)
• Prototyping with Prompts: Emerging Approaches and Challenges in Generative AI Design for Collaborative Software Teams [2.237039275844699]
  生成型AIモデルは、人間のタスクに統合され、表現力のあるコンテンツの制作が可能になっている。 従来のヒューマンAI設計手法とは異なり、生成能力を設計するための新しいアプローチは、迅速なエンジニアリング戦略に重点を置いている。 我々の発見は、マルチステークホルダーチーム間のAIシステムのプロトタイピングにおける新たなプラクティスと役割シフトを浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-02-27T17:56:10Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• DesignGPT: Multi-Agent Collaboration in Design [4.6272626111555955]
  DesignGPTは人工知能エージェントを使用して、デザイン会社におけるさまざまなポジションの役割をシミュレートし、人間のデザイナーが自然言語で協力できるようにする。 実験の結果、DesignGPTはAIツールを別々に比較すると、デザイナのパフォーマンスが向上することがわかった。
  論文  参考訳（メタデータ） (2023-11-20T08:05:52Z)
• Generative methods for Urban design and rapid solution space exploration [13.222198221605701]
  本研究では,テンソル場に基づく都市モデルツールキットの実装について紹介する。 提案手法は,ウォーターフロントエッジ,地形,ビュー軸,既存道路,ランドマーク,非幾何学的設計入力などのコンテキスト制約を符号化する。 これによりユーザーは、モデル入力がほとんどない現実世界の都市に似た、多様な都市ファブリック構成を作成できる。
  論文  参考訳（メタデータ） (2022-12-13T17:58:02Z)
• Investigating Positive and Negative Qualities of Human-in-the-Loop Optimization for Designing Interaction Techniques [55.492211642128446]
  設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。 モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。 一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
  論文  参考訳（メタデータ） (2022-04-15T20:40:43Z)
• iPLAN: Interactive and Procedural Layout Planning [13.172253981084403]
  そこで本研究では,新しいループ生成モデルiPLANを提案する。 レイアウトを自動的に生成するだけでなく、プロセス全体を通してデザイナと対話することも可能だ。 以上の結果から,iPLANは人間設計者と同様のレイアウトを作成できる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-03-27T23:21:15Z)
• MO-PaDGAN: Generating Diverse Designs with Multivariate Performance Enhancement [13.866787416457454]
  深部生成モデルは自動設計合成と設計空間探索に有用であることが証明されている。 1) 生成した設計には多様性が欠けていること,2) 生成した設計のすべての性能指標を明示的に改善することが困難であること,3) 既存のモデルは一般に高性能な新規設計を生成できないこと,の3つの課題に直面する。 多様性と性能の確率的モデリングのための新しい決定点プロセスに基づく損失関数を含むMO-PaDGANを提案する。
  論文  参考訳（メタデータ） (2020-07-07T21:57:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。