Architext: Language-Driven Generative Architecture Design

要約

建築設計は非常に複雑な作業であり、膨大な数の設計タスクにわたって、さまざまな分野、テクノロジ、独自の設計ソフトウェア、専門知識、およびほぼ無限の制約が関係しています。
直感的でアクセスしやすく、スケーラブルな設計プロセスを可能にすることは、すべての人にとってパフォーマンス主導型で持続可能な設計に向けた重要なステップです。
そのために、新しいセマンティック生成支援ツールである Architext を紹介します。
Architext は、大規模な言語モデルに与えられた自然言語プロンプトのみを入力として設計生成を可能にします。
1 億 2000 万から 60 億のパラメーターに及ぶ多数の事前トレーニング済み言語モデルのセマンティック精度と多様性に焦点を当て、Architext のダウンストリーム タスク パフォーマンスの徹底的な定量的評価を実施します。
Architext モデルは、特定の設計タスクを学習し、ほぼ 100% の割合で有効な住宅レイアウトを生成できます。
モデルをスケーリングすると精度が大幅に向上し、最大のモデル (GPT-J) では、さまざまなプロンプト カテゴリで 25% から 80% を超える範囲の優れた精度が得られます。
微調整された Architext モデルと合成データセットをオープンソース化して、デザイン研究のこのエキサイティングな分野での実験を刺激したいと考えています。

要約(オリジナル)

Architectural design is a highly complex practice that involves a wide diversity of disciplines, technologies, proprietary design software, expertise, and an almost infinite number of constraints, across a vast array of design tasks. Enabling intuitive, accessible, and scalable design processes is an important step towards performance-driven and sustainable design for all. To that end, we introduce Architext, a novel semantic generation assistive tool. Architext enables design generation with only natural language prompts, given to large-scale Language Models, as input. We conduct a thorough quantitative evaluation of Architext’s downstream task performance, focusing on semantic accuracy and diversity for a number of pre-trained language models ranging from 120 million to 6 billion parameters. Architext models are able to learn the specific design task, generating valid residential layouts at a near 100% rate. Accuracy shows great improvement when scaling the models, with the largest model (GPT-J) yielding impressive accuracy ranging between 25% to over 80% for different prompt categories. We open source the finetuned Architext models and our synthetic dataset, hoping to inspire experimentation in this exciting area of design research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google