Human-centric AI for floor plan generation: Combining GANs with RL for single storey house design
Kat planı oluşturmak ı̇çin ı̇nsan odaklı yapay zeka: Tek katlı ev tasarımında GAN'lar ile RL'nin kombinasyonu
- Tez No: 978689
- Danışmanlar: PROF. DR. MUSTAFA EMRE İLAL, DR. ÖĞR. ÜYESİ BERK EKİCİ
- Tez Türü: Yüksek Lisans
- Konular: Mimarlık, Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, Generative Adversarial Networks ile Reinforcement Learning'i entegre ederek mimari kat planı oluşturmaya yönelik yeni bir insan merkezli yaklaşımı araştırmaktadır. Son zamanlarda derin öğrenme alanındaki gelişmeler, görsel olarak gerçekçi düzenler oluşturmada başarılı olsa da, genellikle kullanıcıya özgü ihtiyaçlara ve mimari mantığa uyum sağlayamamaktadır. Bu sorunu çözmek için, araştırma, otomatik oluşturma ile kullanıcı katılımlı özelleştirme arasındaki boşluğu doldurmayı amaçlayan, tek katlı ev tasarımlarına özel bir hibrit GAN-RL çerçevesi geliştirmektedir. İlk olarak, House-GAN++ ve geliştirilmiş Dropout-GAN modeli RPLAN veri seti kullanılarak eğitilmiş ve performans Fréchet Inception Distance ve Graph Edit Distance ile değerlendirilmiştir. Tasarım kontrolünü ve tercih duyarlılığını güçlendirmek için, uzamsal tutarlılık, bitişiklik, koridor minimizasyonu ve bağlantısallığı ele alan modüler bir ödül fonksiyonu kütüphanesi tarafından yönlendirilen PPO tabanlı bir pekiştirme öğrenme mekanizması getirilmiştir. Mimarlar ve öğrencilerin katıldığı altı yapılandırılmış atölye çalışması, iki kılavuzlu üretim modunun geliştirilmesini şekillendiren kullanıcı geri bildirimi sağladı: uzamsal boyutlara göre ve metrekare gereksinimlerine göre. Hibrit sistem, üç pratik senaryo altında test edildi - Mere Generation, Objective Optimization ve Human-in-the-Loop Generation - ve modelin hesaplamalı yaratıcılık ile kullanıcı kontrolü arasında denge kurma esnekliğini gösterdi. Sonuçlar, RL ile geliştirilmiş modelin, temel GAN'lara kıyasla tasarım kararlılığını, mimari gerçekçiliği ve kullanıcı hedefleriyle uyumu önemli ölçüde iyileştirdiğini gösterdi. Yapısal doğruluk ve erken aşama RL yakınsaması konusunda zorluklar devam etse de, önerilen yaklaşım akıllı, uyarlanabilir ve işbirliğine dayalı AI destekli tasarım sistemlerine doğru atılmış bir adımdır.
Özet (Çeviri)
This thesis explores a novel human-centered approach to architectural floor plan generation by integrating Generative Adversarial Networks with Reinforcement Learning. While recent deep learning advancements have demonstrated success in generating visually realistic layouts, they often lack adaptability to user-specific needs and architectural logic. To address this, the research develops a hybrid GAN-RL framework tailored for single-storey house designs, aiming to bridge the gap between automated generation and user-involved customization. Initially, House-GAN++ and an enhanced Dropout-GAN model were trained using the RPLAN dataset, with performance evaluated through Fréchet Inception Distance and Graph Edit Distance. To enforce design control and preference sensitivity, a PPO-based reinforcement learning mechanism was introduced, guided by a modular reward function library addressing spatial coherence, adjacency, corridor minimization, and connectivity. Six structured workshops involving architects and students provided user feedback that shaped the development of two guided generation modes: by spatial dimensions and by square meter requirements. The hybrid system was tested under three practical scenarios -Mere Generation, Objective Optimization, and Human-in-the-Loop Generation- demonstrating the model's flexibility to balance computational creativity and user control. Results showed that the RL-enhanced model significantly improved design stability, architectural realism, and alignment with user goals compared to baseline GANs. While challenges remain in structural accuracy and early-stage RL convergence, the proposed approach marks a step toward intelligent, adaptive, and collaborative AI-assisted design systems.
Benzer Tezler
- Kuir perspektif: Mimarlığın çözüm problemi
Queer perspective: Architecture's solution problem
ARMAĞAN GÜLHAŞ
Yüksek Lisans
Türkçe
2020
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. SIDIKA ASLIHAN ŞENEL
- Human-centric artificial intelligence systems for visual assistance and multimodal emotion analysis
Görsel yardım ve çok modlu duygu analizi için insan merkezli yapay zeka sistemleri
İBRAHİM DEDE
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDURRAHMAN GÜMÜŞ
- Enhancing user experience: The critical role of Human-Computer Interaction (HCI) and Artificial Intelligence (AI)-driven systems in Pakistan
Kullanıcı deneyimini geliştirme: Pakistan'da İnsan-Bilgisayar Etkileşimi (HCI) ve Yapay Zeka (AI) odaklı sistemlerin kritik rolü
SABEEN SHOUKAT
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiYeditepe ÜniversitesiEtkileşim Tasarımı Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞLA ÖZEN
- Decoding player sentiments towards AI-driven NPCS in the gaming industry
Oyun sektöründe yapay zekâ destekli NPC'lere yönelik oyuncu duygularının deşifre edilmesi
MOHAMMAD SAMAN BAHADORAN
Yüksek Lisans
İngilizce
2025
İşletmeBahçeşehir Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE ASLI BOZDAĞ
- Trusted distributed artificial intelligence for critical and autonomous systems
Kritik ve otonom sistemler için mutemet dağıtık yapay zeka
MUHAMMED AKİF AĞCA
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUnıversıty Of LuxembourgBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. DJAMEL KHADRAOUI