Generate Images from Lines Bộ Tạo Thiết Kế Nội Thất by Junming Chen

Generate Images from Lines Bộ Tạo Thiết Kế Nội Thất by Junming Chen is a highly esteemed winner of the very prestigious 2023 A' Design Award Sắt in Thiết kế Sinh tạo Competition Category.

SắtThiết kế Sinh tạo· 2023

Generate Images from Lines Bộ Tạo Thiết Kế Nội Thất

by Junming Chen

Client: Junming Chen

A' Design Award Sắt Winner in Thiết kế Sinh tạo 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 Bộ Tạo Thiết Kế Nội Thất

Generate Images from Lines là một hệ thống trí tuệ nhân tạo tạo ra hình ảnh phối cảnh thiết kế nội thất từ các bản vẽ nét. Hệ thống được xây dựng dựa trên mô hình khuếch tán cải tiến, được huấn luyện trên hơn 20.000 hình ảnh thiết kế nội thất do các nhà thiết kế chuyên nghiệp thu thập và chú thích. Nhà thiết kế nhập vào bản phác thảo nét vẽ tay hoặc kỹ thuật số, sau đó lựa chọn một phong cách trang trí, chẳng hạn như hiện đại, Nhật Bản, châu Âu hoặc Trung Hoa. Hình ảnh phối cảnh sẽ được tạo ra chỉ trong vài giây. Các thiết kế được thay đổi bằng cách chỉnh sửa bản phác thảo nét vẽ, do đó không cần phải dựng mô hình thủ công hay kết xuất lại từ đầu.

The Recognition

About the A' Design Award Sắt

Generate Images from Lines Bộ Tạo Thiết Kế Nội Thất là người chiến thắng giải thưởng A' Design Award Sắt, một sự công nhận danh giá dành cho các thiết kế tốt đáp ứng các yêu cầu chuyên môn và công nghiệp được kỳ vọng từ các sáng tạo được thiết kế tốt. Những người chiến thắng giải Sắt thể hiện kỹ năng tuyệt vời, chuyên môn hóa cao, sự thấu hiểu chuyên gia và năng lực sáng tạo của người tạo ra chúng. Generate Images from Lines Bộ Tạo Thiết Kế Nội Thất được kỳ vọng là một sáng tạo được đánh giá cao, ngưỡng mộ và trân trọng, thực tế và đổi mới. Thiết kế chiến thắng giải thưởng A' Design Award Sắt này tích hợp các thực hành tốt nhất của ngành và có các đặc tính kỹ thuật thành thạo gắn liền với bí quyết và tài năng. Generate Images from Lines Bộ Tạo Thiết Kế Nội Thất được kính trọng vì sự kỹ lưỡng và được thiết kế để mang lại những cải thiện chất lượng cuộc sống giúp biến thế giới thành một nơi tốt đẹp hơn.

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.