이미지 생성형 AI와 공간 디자인

최근 몇 년 동안 생성형 AI는 다양한 분야에서 혁신적인 변화를 가져오고 있습니다. 특히 공간 디자인 분야에서도 그 활용도가 점점 높아지고 있는데요. 오늘은 Stable Diffusion, FLUX와 같은 이미지 생성형 AI 모델들이 공간 디자인에 어떻게 쓰일 수 있는지 알아볼까요?

이미지 생성형 AI 모델의 개요

이미지 생성형 AI는 다양한 인풋 데이터를 기반으로 새로운 이미지를 생성하는 인공지능 기술입니다. 이러한 기술은 기존의 디자인 프로세스를 혁신적으로 변화시키고 있으며, 건축가 및 디자이너들이 새로운 아이디어를 탐색하고 표현하는데 큰 도움을 주고 있습니다. 생성형 AI는 특히 반복적인 작업을 자동화하여 시간을 절약하고, 여러 디자인 소프트웨어나 외주 필요성을 현저하게 줄여 비용을 절감하고 다양한 디자인 옵션을 신속하게 생성할 수 있다는 장점이 있습니다.

이미지 출처: Midjourney

Stable Diffusion과 FLUX

Stable Diffusion은 Stability AI사가 개발한 대표적인 이미지 생성형 AI 모델로, 사용자가 입력한 다양한 인풋에 기반하여 다양한 스타일의 이미지를 생성할 수 있습니다. Stable Diffusion의 차별성은 기존의 생성형 AI와 달리 사용자의 의도를 반영한 디자인을 생성할 수 있다는 데에 있습니다.

기존의 이미지 생성형 AI는 텍스트 형태로 인풋으로 받아 AI가 이해할 수 있는 형태로 가공하고 그것을 바탕으로 디자인을 생성합니다. 하지만 Stable Diffusion은 이미지와 텍스트를 모두 인풋으로 받는 멀티모달(Multi-Modal) 방식으로 작동하여, 생성하는 디자인의 여러 부분을 통제, 말 그대로 “컨트롤”할 수 있습니다.

이미지 출처: Stability AI 공식 웹사이트

FLUX는 Stable Diffusion의 대항마로 나온 생성형 AI 모델로, Stable Diffusion을 퇴사한 개발자들이 설립한 Black Forest Labs에서 독자적으로 개발한 생성형 AI 모델입니다. 기본적으로 Stable Diffusion과 동일한 멀티모달 방식으로 작동하지만 전산 아키텍쳐가 다르고 이미지의 심미성이 더 높다는 평가를 받고 있습니다. 출시가 비교적 최신이기 때문에 아직 모델 튜닝과 내부 모듈 개발이 덜 진행됐지만, 이미 특정 분야에서는 Stable Diffusion보다 뛰어나다고 평가받는 부분이 있을 정도로 우수한 모델입니다.

이미지 출처: Black Forest Labs 공식 웹사이트

Stable Diffusion과 FLUX 비교

현재 시점에서 Stable Diffusion과 FLUX를 비교하면 각각의 대표적인 장점과 단점은 다음과 같습니다:

Stable Diffusion	FLUX
장점: 이미 방대한 Stable Diffusion 개발 커뮤니티가 존재하고 그 커뮤니티에서 사용자들이 여러 가지 커스터마이징을 할 수 있는 자원이 존재하여 다양한 분야와 니즈에 맞춰 모델을 커스터마이징 하기에 용이	장점: 프롬프트 반영률이 매우 우수하여 결과물에 반영할 수 있는 디테일이 더 많으며, 이미지의 심미성이 더 우수하고 이미지 속 텍스트까지 잘 구분하여 구현 가능
단점: 사람을 포함한 복잡한 구조를 가진 형체를 잘 구현하지 못하여 심미적으로 완성도가 높지 않은 결과물을 생성하는 경우 존재	단점: 아직 출시된 지 얼마 지나지 않아 공개된 커스터마이징용 리소스가 부족하고 사용자들이 편하게 사용할 수 있는 인터페이스가 부족하여 원활한 사용을 위해선 프로그래밍 지식이 필요

공간 디자인에서의 이미지 생성형 AI 모델 활용

기존 생성형 AI는 오직 텍스트를 기반으로 컨셉 디자인, 선호도 탐색용 디자인, 영감을 주는 디자인 등 극초기 단계의 아이데이션 단계만을 도와주는 게 한계였습니다. 하지만 Stable Diffusion과 FLUX는 이미지와 텍스트 두 가지 인풋을 받아 인풋의 특정 구조와 요소는 유지한 채 나머지 부분에 새로운 디자인을 생성하여 실제 설계 단계에서 실용성이 있는 이미지를 제작할 수 있습니다.

예를 들자면, 인풋 이미지의 구조는 유지하며 색상과 재질 등의 디자인을 바꿔보거나 특정 공간의 형태와 구도를 유지한 채 다른 용도의 공간으로 꾸며볼 수 있습니다. 이런 기능은 건설, 건축, 인테리어 그리고 부동산까지 공간 디자인이 필요한 다양한 분야에 활용할 수 있습니다. 추가적으로, 기존에 생성한 디자인의 일부분을 수정하거나 편집하는 것도 AI를 통해 간단한 프롬프트나 레퍼런스 이미지만 있다면 가능합니다.

최적화를 통해 생성 시간을 단축한 이미지 생성형 AI 모델의 경우 거의 실시간으로 이미지를 생성할 수 있게 됩니다. 이런 모델을 사용한다면 디자이너와 비디자이너가 소통할 때 디자인 커뮤니케이션을 대폭 개선할 수 있습니다.

• 요약하자면 현재 공간 디자인에서 이미지 생성형 AI의 활용 사례는 다음과 같습니다.

1. 초기 컨셉 개발, 아이데이션용 이미지 생성

2. 공간의 구조를 유지하면서 디자이너의 의도를 반영한 다양한 시안 생성

3. 실시간 시각화를 통한 디자인 커뮤니케이션 개선

4. 기 생성 디자인 부분 편집 및 수정

주요 공간 디자인 특화 생성형 AI 서비스

현재 공간 디자인에 활용되는 생성형 AI 서비스는 다양합니다. 크게는 기존 디자인 소프트웨어에서 출시한 기능과 아예 AI-native 하게 만들어진 소프트웨어가 있습니다.

이미지 출처: Adobe 공식 웹사이트

전자의 예로는 범용성이 높은 Adobe의 Firefly가 있습니다. Firefly는 사용자가 입력한 텍스트를 기반으로 공간 디자인을 포함한 다양한 디자인을 생성 및 편집할 수 있는 기능 (생성형 채우기, 생성형 다시 칠하기)을 제공합니다. 전자의 다른 예시로는 공간 및 건축 디자인에 좀 더 특화된 SketchUP, Revit, Rhinoceros 등의 설치형 소프트웨어 상에서 AI 기능을 탑재한 플러그인들이 있습니다.

이미지 출처: 플랜바이스튜디오 웹사이트

후자의 예시로는 Archivinci (아키빈치), mnml AI (미니멀 AI), Planby Studio (플랜바이테크놀로지스) 등의 스타트업들 개발한 서비스가 있습니다. 이들은 기존의 공간 디자인 업무 방식에 AI를 첨가한 것이 아닌 아예 AI 기반의 새로운 워크플로우를 제시한다는 공통점이 있습니다. 각 회사의 서비스와 특성에 대한 더 심도 있는 리뷰는 향후 다른 포스팅을 통해 다룰 예정이니 기대해 주세요!

공간 디자인과 생성형 AI의 미래

앞으로 생성형 AI는 공간 디자인 분야에서 더욱 중요한 역할을 할 것으로 예상됩니다. AI 기술의 발전과 함께 디자이너들은 더욱더 복잡하고 창의적인 디자인을 손쉽게 구현할 수 있게 될 겁니다. 생성형 AI도 이미지가 아니라 3D 형태로 결과물을 출력하여 실시 설계, 시공까지 사용되는 실용적인 결과물을 제작할 수 있게 될 것입니다.

이미지 출처: Adobe 공식 웹사이트

또한, AI는 미래 주요 키워드인 지속 가능한 건축을 위한 솔루션을 제공하는 데도 큰 기여를 할 예정입니다. AI가 제공하는 데이터 분석 기능을 통해 디자이너들은 여러 환경적 요소를 고려한 디자인을 할 수 있으며, 이는 지속 가능한 도시 개발에 기여할 것입니다. 이러한 변화는 공간 디자인의 패러다임을 바꾸고, 새로운 가능성을 열어줄 것입니다. 이미지 생성형 AI 모델들이 공간 디자인 가져올 공간 디자인의 변화, 생각만 해도 기대되지 않나요?