건축 도면 설계는 건축 규정의 준수, 설계자의 생각, 그리고 거주자의 요구 사항 등 다양한 요소들이 고려되기 때문에 효율적이고 정확한 도면을 생성하려는 노력은 상당한 시간과 노력을 필요로 한다. 본 논문에서는 이러한 문제를 해결하기 위해 건축 도면 설계의 자동화 연구에 사용되는 생성적 적대 신경망 모델의 단점을 극복하고자 하였다.
본 논문에서는 원본 데이터를 압축하면서도 중요한 정보를 최대한 보존할 수 있는 방법을 연구하였다. 적합한 데이터를 위해 데이터를 직접 수집하였으며, 수집된 데이터의 특성을 바탕으로 데이터 라벨링 알고리즘을 설계 한 뒤, 설계된 알고리즘을 통해 라벨링을 진행하였다. 뿐만 아니라, 도면 데이터의 특성을 이용하여, 수집된 데이터를 분석한 뒤, 분석된 정보를 바탕으로 값을 할당하여 데이터를 압축하는 그리드 데이터 변환 기법을 사용하여 원본 데이터 압축 후, 라벨과 통합하였다.
마지막으로 그리드 데이터 변환 기술의 유효성을 입증하는 과정을 다수의 실험을 통해 수행하였다. 라벨과 데이터의 연관성을 이용하여 생성된 이미지에서 불가능한 경우의 수를 제거하였고, 기존의 방법과 그리드 데이터 변환 기술이 적용된 데이터를 실험을 통해 학습, 생성 시간, 인셉션 점수, 프레쳇 인셉션 거리 등의 지표를 통해 비교, 분석하였다. 실험의 결과를 통해 제안하는 방법을 사용함으로써 빠른 학습과 안정적인 건축설계 도면 자동 생성이 가능함을 보여주었다.