Explainability of generative ai for architecture: Investigating the alignment with design intentions
Mimari için üretken yapay zekanın açıklanabilirliği: Tasarım amaçlarıyla uyumunun incelenmesi
- Tez No: 833429
- Danışmanlar: PROF. DR. ARZU SORGUÇ
- Tez Türü: Yüksek Lisans
- Konular: Mimarlık, Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Yapı Bilim Dalı
- Sayfa Sayısı: 111
Özet
Üretken yapay zeka (YZ), bilgisayarlı tasarım araçlarını sadece tasarım nesnesinin temsiline yardımcı olan araçlardan, tasarıma yön veren iş birlikçilere dönüştürme potansiyeline sahiptir. Ancak, üretken yapay zekanın 'kapalı kutu' yapısı, kullanıcıların bu sistemleri anlamasını ve tasarım amaçlarıyla uyumlu olup olmadığını belirlemesini zorlaştırmaktadır. Bu da, YZ'nin mimarideki kullanımını kısıtlamaktadır. Bu çalışmada, bahsedilen sorun, metinden imaj üreten bir YZ'nin özelleştirilmesi ve incelenmesi ile ele alınmıştır. Hazır modellerden farklı olarak bu model, seçilmiş ve yapılandırılmış mimari veriyle eğitildiğinden kontrollü imaj üretimine ve sistematik değerlendirmeye olanak tanımaktadır. Model bir 'Stable Diffusion' modelinin, 85.000 mimari fotoğraf ve bunlarla ilişkili mimari tasarım kavramlarını temsil eden yapılandırılmış metin etiketleri eşliğinde tekrar eğitilmesi ile oluşturulmuştur. Bu etiketler, mimari proje açıklamalarından, yapay sinir ağlarına dayanan bir konu modellemesi tekniği ile çıkarılmıştır. Bu model, mimari tasarım senaryoları ile test edilerek, mimari tasarım amaçlarıyla uyumu incelenmiştir.
Özet (Çeviri)
Generative AI systems have the potential to elevate computational design tools from mere design artifact representation aids to influential collaborators in the design process. However, due to the black-box nature of generative AI, it is challenging for users to grasp its mechanisms and ascertain if the system aligns with their design intentions, thereby limiting its full potential in the architectural design process. Addressing this issue, this thesis presents a specialized text-to-image generative model. Unlike off-the-shelf models, this model benefits from curated and structured training data, facilitating controlled image generation and systematic evaluation. The model is developed by fine-tuning a pre-trained Stable Diffusion model using 85,000 architectural images and structured textual labels, representing diverse architectural design concepts related to the images, extracted from architectural project descriptions via neural topic modeling. Through investigating how well these labels are represented in the generated outputs across various architectural design use cases, the study demonstrated the model's alignment with design intentions.
Benzer Tezler
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- Evaluation of local explainability methods in Turkish text classification tasks
Türkçe metin sınıflandırma görevlerinde yerel açıklanabilirliğin değerlendirimi
ONUR PORSUK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE UĞUR
PROF. DR. AYŞE BAŞAR
- Application of deep learning methods in human activity recognition
İnsan aktivitesi tanımada derin öğrenme yöntemlerinin uygulanması
KEMAL BAYSARI
Yüksek Lisans
İngilizce
2022
Mühendislik BilimleriDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA BİRANT
- Generating an explainable time-series forecasting using heterogeneous mixture of experts with large language models
Büyük dil modelleriyle birlikte farklı yapıda uzmanların karışımını kullanarak açıklanabilir bir zaman serisi tahmini oluşturma
İSMAİL BALABAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. FULYA GÖKALP YAVUZ
- Designing and debiasing binary classifiers for irony and satire detection
İroni ve satir tespiti için ikili sınıflandırma modellerinin tasarlanması ve önyargıdan arındırılması
ASLI UMAY ÖZTÜRK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PINAR KARAGÖZ