iPLAN: Interactive and Procedural Layout Planning

要約

レイアウト設計は、建築/都市計画など多くのアプリケーションでユビキタスであり、長時間の反復設計プロセスを伴います。近年、ディープラーニングを活用して画像生成によるレイアウトの自動生成が行われ、設計者を手間のかかるルーチンワークから解放する大きな可能性を示しています。自動生成は生産性を大きく向上させますが、設計者のインプットが重要であることは間違いありません。AIによる設計支援ツールは、繰り返し行われる作業を自動化する一方で、人間の指示を受け入れ、スマートでプロアクティブな提案を行うことが理想的です。しかし、エンド・ツー・エンドのアプローチである既存の手法では、人間をループに巻き込む機能はほとんど無視されています。iPLANは、レイアウトを自動生成するだけでなく、設計者と対話し、人間とAIがスケッチ的なアイデアを最終的なデザインに徐々に進化させることができます。その結果、iPLANは、人間のデザイナーが作成したレイアウトと同様のレイアウトを生成する高い忠実度、デザイナーからの入力を受け入れ、それに応じてデザイン提案を行う高い柔軟性、未知のデザインタスクや限られた学習データに直面した場合の強い一般化性を有することが示された。

要約(オリジナル)

Layout design is ubiquitous in many applications, e.g. architecture/urban planning, etc, which involves a lengthy iterative design process. Recently, deep learning has been leveraged to automatically generate layouts via image generation, showing a huge potential to free designers from laborious routines. While automatic generation can greatly boost productivity, designer input is undoubtedly crucial. An ideal AI-aided design tool should automate repetitive routines, and meanwhile accept human guidance and provide smart/proactive suggestions. However, the capability of involving humans into the loop has been largely ignored in existing methods which are mostly end-to-end approaches. To this end, we propose a new human-in-the-loop generative model, iPLAN, which is capable of automatically generating layouts, but also interacting with designers throughout the whole procedure, enabling humans and AI to co-evolve a sketchy idea gradually into the final design. iPLAN is evaluated on diverse datasets and compared with existing methods. The results show that iPLAN has high fidelity in producing similar layouts to those from human designers, great flexibility in accepting designer inputs and providing design suggestions accordingly, and strong generalizability when facing unseen design tasks and limited training data.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL