Geri Dön

Explainability of generative ai for architecture: Investigating the alignment with design intentions

Mimari için üretken yapay zekanın açıklanabilirliği: Tasarım amaçlarıyla uyumunun incelenmesi

  1. Tez No: 833429
  2. Yazar: MUSTAFA SİNA KARAOĞLU
  3. Danışmanlar: PROF. DR. ARZU SORGUÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mimarlık, Architecture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
  12. Bilim Dalı: Yapı Bilim Dalı
  13. 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

  1. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DENİZ TURGAY ALTILAR

  2. Evaluation of local explainability methods in Turkish text classification tasks

    Türkçe metin sınıflandırma görevlerinde yerel açıklanabilirliğin değerlendirimi

    ONUR PORSUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE UĞUR

    PROF. DR. AYŞE BAŞAR

  3. Application of deep learning methods in human activity recognition

    İnsan aktivitesi tanımada derin öğrenme yöntemlerinin uygulanması

    KEMAL BAYSARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Mühendislik BilimleriDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DERYA BİRANT

  4. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. FULYA GÖKALP YAVUZ

  5. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. PINAR KARAGÖZ