CNN 출력층 값을 이용한 건축설계 스타일 분석 = Analysis of Architectural Design Style Using CNN Output Layer Values

다국어 초록 (Multilingual Abstract)

The purpose of this study is to present a methodology that can systematically evaluate whether there are morphological similarities commonlyfound in the works of a specific architect. This work notes that the magnitude of the final output layer value of CNN applied to a particularimage implies the likelihood that the image can be classified into a particular category. To explore the morphological similarity or thepossibility of determining the existence of a style, the following process was performed. This was demonstrated through analysis of CNNstructures and empirical experiments that can evaluate the presence and strength of styles by the magnitude and deviation of the final outputvalues. A classifier model that distinguishes certain architect's works from those of other architects was created. The classifier model wasapplied to the work of a specific architect to obtain the final output value for each work. The possibility of style evaluation using CNN bycomparing two architects who are often evaluated as strong in style and those who are not was confirmed. In this study, Frank Gehry, whois evaluated as strong in style, and MVRDV, which is evaluated as weak in style were compared. In the case of Frank Gehry, it wasconfirmed that the magnitude of the final output layer of the CNN model was larger and the deviation was smaller than those of theMVRDV. Accordingly, it was proved that it is possible to evaluate the existence and strength of a style using the final output layer value ofthe CNN model.

국문 초록 (Abstract)

본 연구의 목적은 특정 건축가의 작품들에서 공통적으로 발견되는 형태적 유사성이 있는지를 체계적으로 평가할 수 있는 방법론을 제시하는 것이다. 본 연구는 특정 이미지에 적용된 CNN의 최종 출력층 값의 크기가 해당 이미지가 특정 범주로 분류될 수 있는 가능성의 크기를 의미한다는 점에 주목한다. 형태적 유사성, 즉 스타일의 존재 여부 판단 가능성을 탐구하기 위하여 다음과 같은 과정을 거친다. 1) 우선 최종 출력값의 크기와 편차로 스타일의 존재 여부 및 스타일의 강도를 평가할 수 있음을 CNN 구조에 대한 분석과 실험을 통해 입증한다. 2) 특정 건축가의 작품을 다른 건축가의 작품들과 구분하는 분류기 모델을 작성한다. 3) 분류기 모델을 특정 건축가의 작품에 적용하여 각 작품별 최종 출력값을 구한다. 4) 흔히 스타일이 강하다고 평가되는 건축가와 그렇지 않다고 평가되는 두 건축가를 비교함으로써 CNN을 이용한 스타일 평가의 가능성을 확인한다. 본 연구에서는 스타일이 강하다고 평가되는 프랭크 게리와 반면 스타일이 약하다고 평가되는 MVRDV를 비교하였다. 프랭크 게리의 경우가 MVRDV보다 CNN 모델 최종 출력층 값의 크기가 크고 편차가 작은 것을 확인하였다. 이로써 CNN 모델 최종 출력층 값을 이용한 스타일의 존재 및 강도 여부를 평가하는 것이 가능함을 입증하였다

참고문헌 (Reference)

1 정민영 ; 이현수, "인스타그램기반 이미지딥러닝을 활용한 개인 맞춤형 미술작품추천 방법" 한국실내디자인학회 31 (31): 19-31, 2022

2 한유진 ; 이현수, "인공지능 학습을 활용한 브랜드 아이덴티티의 일치도 분석" 한국실내디자인학회 28 (28): 138-145, 2019

3 윤혜진 ; 이현수, "딥러닝에 기반한 전통성의 비율별 한옥카페 디자인 가이드라인" 한국실내디자인학회 31 (31): 1-11, 2022

4 정민영 ; 이현수, "딥러닝에 기반한 병원 실내이미지의 감성어휘 분류" 한국실내디자인학회 28 (28): 75-85, 2019

5 김진성 ; 이진국, "딥러닝 기반 실내디자인 스타일 학습모델 구현 및 활용" 한국실내디자인학회 29 (29): 96-104, 2020

6 박영경, "데이터스케이프 설계방법을 적용한 Villa VPRO 공간분석 연구" 한국실내디자인학회 13 (13): 145-152, 2004

7 조영배, "MVRDV의 건축에 나타난 공간 구성 수법에 관한 연구" 한국실내디자인학회 17 (17): 77-83, 2008

8 Hannes, M, "Argmax over Continuous Indices of Random Variables – An Approach Using Random Fields" Stockholm University 2012

9 Kim., W, "A Study on Datascape of MVRDV as Architectural Design Media" 23 (23): 375-378, 2003

10 Meenakshi, M., "A Study of Activation Functions for Neural Networks" Arkansas University 2017