Interacción Humano-Máquina impulsada por inteligencia artificial para el diseño y representación de arquitectura
Enviado: 30-12-2024
|Aceptado: 12-05-2025
|Publicado: 30-07-2025
Derechos de autor 2025 EGA Expresión Gráfica Arquitectónica
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Descargas
Palabras clave:
Inteligencia Artificial, Stable Diffusion, Diseño generativo, Dreambooth, LoRA, Representación de arquitectura, Midjourney, DALL·E, Modelos de difusión latente
Agencias de apoyo:
Resumen:
Este artículo explora la interacción entre dibujos realizados a mano y modelos generativos de inteligencia artificial, destacando el control sobre los resultados para reducir la aleatoriedad en los procesos creativos. Mediante la implementación de un modelo de entrenamiento en Stable Diffusion, se logró establecer un estilo gráfico personalizado y consistente, garantizando coherencia y uniformidad en las representaciones visuales. Posteriormente, se aplicaron diferentes técnicas de representación a tres entornos, emulando un proceso arquitectónico que incluye bocetos, dibujos a lápiz, acuarelas, dibujos técnicos a tinta, modelado 3D y renderizado fotorrealista. Este enfoque muestra cómo la inteligencia artificial puede mejorar la representación de ideas arquitectónicas al facilitar un proceso creativo dinámico y colaborativo entre humanos y máquinas. Los resultados destacan que el uso estratégico de la IA optimiza técnicas de representación, expande las posibilidades creativas y actualiza métodos tradicionales, manteniendo la influencia del diseñador y promoviendo flujos de trabajo innovadores en la arquitectura.
Citas:
Álvarez Ayuso, L., & del Blanco García, F. (2021). Aplicación de redes neuronales al diseño de vivienda colectiva. Procesos generativos de combinatoria y automatización mediante inteligencia artificial. Rita_revista Indexada de Textos Académicos, 16, 214–231. https://doi.org/10.24192/2386-7027(2021)(v16)(20)
As, I., Pal, S. y Basu, P., 2018. Artificial intelligence in architecture: Generating conceptual design via deep learning. International Journal of Architectural Computing, 16(4), pp. 306-327. http://doi.org/10.1177/1478077118800982
Aparicio Pérez, D., & del Blanco García, F. L. (2022). Design of immersive experiences for a utopian city. Graphic and virtual reconstruction of “The walking city”, Archigram. EGA Revista de Expresión Gráfica Arquitectónica, 27(44), 98–109. https://doi.org/10.4995/ega.2022.14305
Bishop, C.M., 2006. Pattern Recognition and Machine Learning. Nueva York: Springer. ISBN 0387310738.
García Ríos, P. y del Blanco García, F. L. (2023). New Babylon. Análisis y reconstrucción virtual de la visión utópica de Constant Nieuwenhuys, EGA Expresión Gráfica Arquitectónica, 28(47), pp. 256–271. https://doi.org/10.4995/ega.2023.16173
Carpo, M., 2012. The Digital Turn in Architecture 1992 - 2012. Somerset: John Wiley & Sons. https://doi.org/10.1002/9781118795811
Carpo, M., 2023. Beyond Digital: Design and Automation at the End of Modernity. Cambridge, MA: The MIT Press. https://doi.org/10.7551/mitpress/13958.001.0001
Carter, S., Armstrong, Z., Schubert, L., Johnson, I. y Olah, C., 2019. Activation Atlas. Distill, 4(3). DOI: http://doi.org/10.23915/distill.00015
Chaillou, S., 2019. AI + Architecture, Towards a New Approach. Harvard: Graduate School of Design.
Del Blanco García, F.L.; González Cruz, A.J. (2024). Development of Physical Simulations using Artificial Intelligence for Implementation in BIM Methodology. In: Graphic Horizons. EGA 2024. Springer Series in Design and Innovation, vol 43. Springer, Cham. https://doi.org/10.1007/978-3-031-57575-4_1
Del Blanco García, F. L. (2022). Reconstructing Pérez Piñero’ s Anoeta Velodrome. Nexus Network Journal 24, 913-934. https://doi.org/10.1007/s00004-022-00590-3
Del Blanco García, F. L., Serrano Fernández, C. y González Cruz, A. J. (2024). Technology and Design in Cybernetic Architecture. Virtual Reconstruction of Cedric Price’s Fun Palace. EGA Expresión Gráfica Arquitectónica, 29(51), pp. 242–257. https://doi.org/10.4995/ega.2024.20093
Goodfellow, I., et al., 2014. Generative Adversarial Nets. Advances in Neural Information Processing Systems, 27, pp. 2672-2680.
Huang, W. y Zheng, H., 2018. Architectural Drawings Recognition and Generation through Machine Learning. ACADIA 2018, pp. 156-165. https://doi.org/10.52842/conf.acadia.2018.156
Kyle, S., Kat, P. y Adam, M., 2019. Fresh Eyes: A Framework for the Application of Machine Learning to Generative Architectural Design, and a Report of Activities at Smartgeometry 2018. CAADRIA 2019, Singapur, pp. 32-46. https://doi.org/10.1007/978-981-13-8410-3_3
Mathias, M., et al., 2011. Automatic architectural style recognition. En: ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, pp. 171-176. https://doi.org/10.5194/isprsarchives-XXXVIII-5-W16-171-2011
Negroponte, N., 1970. The Architecture Machine, Towards a More Human Environment. Cambridge, Mass.: MIT Press. ISBN 0262640104.
Negroponte, N., 1975. Soft Architecture Machines. Cambridge, Mass.: MIT Press. ISBN 9780262140188.
Leach, N., 2021. Architecture in the Age of Artificial Intelligence: An Introduction to AI for Architects. https://doi.org/10.5040/9781350165557
Li, Z., et al. 2024. Hunyuan-DiT: A Powerful Multi-Resolution Diffusion Transformer with Fine-Grained Chinese Understanding. arXiv:2405.08748v1
Luque-Sala, A., del Blanco García, F.L. (2023). A Virtual Reconstruction of Gaudi’s Skyscraper Hotel Attraction Using Physics-Based Simulation. Nexus Network Journal, 25(3), 795-816. https://doi.org/10.1007/s00004-023-00655-x
Ramesh, A., et al., 2022. Hierarchical Text-Conditional Image Generation with CLIP Latents. Disponible en: https://arxiv.org/abs/2208.12242
Podell, D., et al., 2023. SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis. arXiv, [cs.CV] 2307.01952v1. https://doi.org/10.48550/arXiv.2307.01952
Zheng, H. y Huang, W., 2018. Understanding and Visualizing Generative Adversarial Networks in Architectural Drawings. CAADRIA 2018, Hong Kong.
