Generate Images from Lines ตัวสร้างการออกแบบตกแต่งภายใน by Junming Chen

Generate Images from Lines ตัวสร้างการออกแบบตกแต่งภายใน by Junming Chen is a highly esteemed winner of the very prestigious 2023 A' Design Award ระดับเหล็ก in การออกแบบเชิงกำเนิด อัลกอริทึม พาราเมตริก และช่วยด้วย AI Competition Category.

เหล็กเชิงกำเนิด· 2023

Generate Images from Lines ตัวสร้างการออกแบบตกแต่งภายใน

by Junming Chen

Client: Junming Chen

A' Design Award ระดับเหล็ก Winner in เชิงกำเนิด Category

47,588

Verified Award Winner

Verify Award Status for #150690

View at A' Design Award Press Release Award Badge

Colors

The Design

About Generate Images from Lines ตัวสร้างการออกแบบตกแต่งภายใน

Generate Images from Lines คือระบบปัญญาประดิษฐ์ที่สร้างภาพเรนเดอร์การออกแบบตกแต่งภายในจากภาพลายเส้น ระบบนี้พัฒนาขึ้นจากโมเดลดิฟฟิวชัน (diffusion model) ที่ได้รับการปรับปรุง โดยผ่านการฝึกฝนด้วยภาพการออกแบบตกแต่งภายในมากกว่า 20,000 ภาพ ซึ่งรวบรวมและกำกับข้อมูลโดยนักออกแบบมืออาชีพ นักออกแบบสามารถป้อนภาพร่างลายเส้นที่วาดด้วยมือหรือด้วยดิจิทัล พร้อมเลือกสไตล์การตกแต่ง เช่น โมเดิร์น ญี่ปุ่น ยุโรป หรือจีน ระบบจะสร้างภาพเรนเดอร์ได้ภายในไม่กี่วินาที การเปลี่ยนแปลงการออกแบบทำได้เพียงแก้ไขภาพร่างลายเส้น จึงไม่จำเป็นต้องสร้างโมเดลและเรนเดอร์ใหม่ด้วยมืออีกต่อไป

The Recognition

About the A' Design Award ระดับเหล็ก

Generate Images from Lines ตัวสร้างการออกแบบตกแต่งภายใน เป็นผู้ชนะ A' Design Award ระดับเหล็ก ซึ่งเป็นการยอมรับอันทรงเกียรติที่มอบให้แก่ผลงานออกแบบที่ดีซึ่งตอบสนองข้อกำหนดทางวิชาชีพและอุตสาหกรรมที่คาดหวังจากผลงานที่ออกแบบมาอย่างดี ผู้ชนะระดับเหล็กแสดงทักษะอันยอดเยี่ยม ความเชี่ยวชาญเฉพาะทางขั้นสูง ความเข้าใจระดับผู้เชี่ยวชาญ และความสามารถเชิงสร้างสรรค์ของผู้สร้าง Generate Images from Lines ตัวสร้างการออกแบบตกแต่งภายใน คาดหมายว่าจะเป็นสรรค์สร้างที่ได้รับการยกย่อง ชื่นชม และทะนุถนอม ซึ่งใช้งานได้จริงและมีนวัตกรรม ผลงานออกแบบที่ชนะ A' Design Award ระดับเหล็กนี้ผสานแนวปฏิบัติที่ดีที่สุดของอุตสาหกรรมและมีคุณสมบัติทางเทคนิคที่เหมาะสมควบคู่กับความรู้ความชำนาญและพรสวรรค์ Generate Images from Lines ตัวสร้างการออกแบบตกแต่งภายใน ได้รับความเคารพในความละเอียดรอบคอบและออกแบบมาเพื่อมอบการยกระดับคุณภาพชีวิตที่ช่วยทำให้โลกเป็นสถานที่ที่ดีขึ้น

Behind the Design

Press Kit

Credits, team members and technical details provided by the designer.

Unique Properties: The design was done by artificial intelligence (AI) in collaboration with designers. We trained an AI that professionally generates interior designs, which can generate interior designs with different decorative styles based on input line drafts. It solves the problem that the traditional design modification requires remodeling and rendering. It only takes a few seconds to generate a design using this method, and the efficiency of generation and modification is increased by dozens of times.
Dimensions & Packaging: Use artificial intelligence to cooperate with designers to generate designs with different decorative styles. The design area is 160 square meters, and the decoration styles include modern, Japanese, European, and Chinese styles.
Tags: Artificial intelligence, Human-machine collaboration, Interior design, Generative design, Efficient design, Rapid modification, Controllable design, Decoration style control
Production Technology: The AI technology we use is our improved diffusion model technology. The typical defect of the diffusion model is that it cannot generate design according to specific "decorative style" and "space attribute," which is fatal for interior design. To this end, we re-collected and manufactured a data set containing more than 20,000 interior design renderings and data annotations and handed the data set to AI learning to generate an AI suitable for interior design. The AI can generate interior renderings specifying "decorative style" and "space attributes" by inputting line sketches.
Design Challenge: The challenge of this design is to build a professional interior design AI that generates designs of high quality and correct decor. To this end, we asked professional designers to collect and label tens of thousands of interior design images and then handed over the filtered data to AI for training. Make AI understand what is "decorative style," "spatial attributes," and "aesthetic attributes" and generate an interior design with a specified decorative style.
Research: Research Background: The interior design process could be more convenient, and the efficiency of design and modification could be higher.
Methods: We trained an AI for professional interior design and used AI to cooperate with people to generate interior designs of various decorative styles from line drawings.
Results: Using our AI, designers can obtain an interior design rendering every few seconds, efficiently generating and modifying designs.
Insights: Our method can quickly generate large batches of interior designs with specified decoration styles and spatial attributes, and the generated results can be changed by modifying the line draft. Design efficiency is improved by eliminating the need for manual modeling and rendering.
Inspiration: The traditional process of obtaining renderings for interior design is tedious and time-consuming. We use artificial intelligence (AI) to generate interior design, improve design efficiency, and explore new ways of human-computer collaborative design. Specifically, we trained an AI to create interior designs, which can quickly generate and modify designs in cooperation with humans. Changing the design does not require modifying the model and re-rendering, which improves design efficiency.
Project Duration: The project is located in Guangzhou, Guangdong Province, China, and was designed in 2023.
Operation Flow: 1. Professional designers collect interior design images and mark and screen them.
2. Use the filtered data to train a professional interior design AI.
3. Designers use AI to design.
4. The designer inputs the hand-drawn or design line draft into AI to specify the decoration style.
5. AI generates the interior design of the specified decoration style.
6. The designer adjusts the line draft of the unsatisfactory part of the design and then regenerates the design.
7. After adjusting the line draft and generating it multiple times, a good design is obtained.