Интеграция генеративного ИИ в процесс архитектурного концепт-дизайна

Описание проекта

Данный репозиторий содержит материалы выпускной квалификационной работы (ВКР), посвященной разработке методологии внедрения генеративных моделей искусственного интеллекта в процесс архитектурного проектирования.

Проблематика

Современные генеративные модели (Midjourney, DALL-E, Stable Diffusion) способны создавать визуально убедительные архитектурные изображения, однако не учитывают нормативную базу (СНиП, СП, ГОСТ) и контекстные данные, что делает результаты малоприменимыми для реального проектирования.

Предлагаемое решение

Разработка подхода на основе RAG (Retrieval-Augmented Generation), который позволяет автоматически интегрировать требования нормативных документов в промпты генеративных моделей, повышая практическую применимость результатов.

Цель исследования

Снижение затрачиваемых ресурсов и повышение качества процесса архитектурного концепт-дизайна за счёт внедрения генеративных моделей ИИ, способных создавать архитектурные решения с учётом нормативной базы РФ.

Задачи

1. Анализ предметной области архитектурного концепт-дизайна и существующих методов проектирования
2. Исследование современных генеративных моделей ИИ и их возможностей в контексте архитектуры
3. Разработка и тестирование подхода к формированию архитектурных концептов с использованием RAG
4. Оценка эффективности предложенного подхода по заданным метрикам

arch_rag

Библиотека RAG-поиска по архитектурным нормативам (СНиП, СП, ГОСТ) для архитектурного концепт-дизайна.

Описание

arch_rag — модульная Python-библиотека для поиска и применения строительных нормативов в процессе генерации архитектурных концептов. Реализует два метода поиска: keyword matching и векторный поиск (TF-IDF + cosine similarity).

arch-rag

Установка:

pip install arch-rag

Использованин

Поиск по нормативам

from arch_rag import NormsSearcher

searcher = NormsSearcher()
results = searcher.search("двухэтажный монолитный дом", top_k=3)