Yapılandırılmış semantik çeviri, bu çalışmada Lingnan avlu bahçelerinin tarihsel ve mekânsal tasarım bilgisini makine öğrenmesi modelinin okuyabileceği sabit etiket katmanlarına dönüştüren bir bilgi temsil yöntemidir. Araştırmacılar 63 geleneksel ve modern Lingnan bahçe planını dönem üslubu, mekânsal yapı, organizasyon biçimi, avlu tipi ve kurucu elemanlar olmak üzere beş katmanda kodlamış; renk kodlu planlarla yapılandırılmış metin istemlerini eşleştirerek Stable Diffusion 1.5 tabanlı bir modeli LoRA ile ince ayarlamış ve site sınırıyla kısıtlanmış bahçe planları üretmiştir.

Çalışmanın temel sorusu yalnız “yapay zekâ bahçe planı çizebilir mi?” değildir. Asıl soru, avlu sayısı, avlular arasındaki ilişki ve baskın peyzaj tipi gibi bölgesel tasarım bilgisinin açık semantik etiketler hâline getirilmesinin üretimi gerçekten daha kontrol edilebilir yapıp yapmadığıdır.

Mekânsal-prototip etiket ablasyonunda yapılandırılmış grup, mekânsal yapı etiketinde %78,8 isabet oranına ulaşırken yalnız eleman etiketlerini kullanan kontrol grubu %19,4'te kalmıştır. Organizasyon etiketinde oranlar sırasıyla %52,1 ve %13,6'dır. Eşleştirilmiş farklar 59,4 ve 38,6 yüzde puandır ve her iki fark da permutation ve exact McNemar testlerinde p < 0,001 düzeyindedir.

100 üretilmiş planın beş profesyonel tasarımcı tarafından değerlendirildiği ikinci aşamada ortalama puanlar mekânsal yapı için 0,79, avlu tipi için 0,80, genel prototip uygunluğu için 0,72 ve organizasyon ilişkileri için 0,61 olmuştur. Model bu nedenle avlu sayısı ve baskın peyzaj tipini, birden fazla avlu arasındaki hassas topolojik ilişkilerden daha kararlı biçimde üretmiştir.

Renk kodlu eleman-alan analizinde de sistematik sapmalar görülmüştür. Eğitim planlarında yapıların ortalama alan payı %50,4 iken üretilmiş sonuçlarda %40,4; su alanı eğitim örneklerinde %12,9 iken üretimlerde %21,5'tir. Model büyük ve sürekli su yüzeylerini üretmeye eğilim gösterirken ince sınırlar gerektiren mimari elemanları eksik temsil etmiştir.

Çalışma güçlü bir proof-of-concept sunmakla birlikte yalnız 63 örnekle eğitilmiş, kategori dağılımları dengesiz kalmış ve bağımsız held-out bahçe vakalarıyla genel model performansı doğrulanmamıştır. Üretilen planlar erken aşama tasarım alternatifleridir; doğrudan uygulanabilir mimari projeler veya otomatik tarihî bahçe restorasyonları olarak değerlendirilmemelidir.

Araştırmanın çözmeye çalıştığı temel problem

Mimari ve peyzaj üretiminde difüzyon modelleri görüntü üretmekte güçlüdür; ancak tarihsel bir bahçenin kimliğini yalnız renk, biçim veya tekil elemanların varlığı belirlemez. Lingnan bahçesindeki mekânsal karakter; avluların kaç tane olduğu, nasıl çevrelendiği, birbirine hangi yönde bağlandığı, hangi avlunun baskın olduğu, yapı ile su ve kaya gibi peyzaj öğelerinin hangi hiyerarşi içinde düzenlendiği gibi ilişkilerden oluşur.

Bir üretken modele yalnız “bina, su, bitki, kaya” yazılması, bu ilişkisel bilgiyi açıkça tanımlamaz. Kaynak çalışmanın çıkış noktası tam olarak budur: görünür nesne sınıflarını değil, bahçenin altında yatan mekânsal prototipi makine tarafından işlenebilir hâle getirmek.

Kaynak üç araştırma sorusu tanımlar: Lingnan bahçe bilgisinin yapılandırılmış etiketlere nasıl çevrilebileceği; bu mekânsal-prototip etiketlerinin modelin hedef prototipe yanıtını iyileştirip iyileştirmediği; ve üretilen planların mekânsal prototip ile eleman bileşimi açısından nasıl değerlendirilebileceği.

Yapılandırılmış Semantik Çeviri Nedir ve Neden Gereklidir?

Yapılandırılmış semantik çeviri, tarihsel Lingnan bahçe kuramındaki avlu birimi, mekânsal yapı, organizasyon biçimi, avlu tipi ve kurucu elemanlar gibi insan tarafından yorumlanan kavramları sabit ve tekrarlanabilir etiketlere dönüştürerek aynı bilgiyi veri etiketleme, model koşullandırma ve sonuç değerlendirme aşamalarında birlikte kullanan yöntemdir.

Veri kümesi nasıl oluşturuldu?

Araştırmacılar klasik literatürden, modern inşa edilmiş eserlerin planlarından ve akademik yayınlardaki araştırma görsellerinden çok kaynaklı bir örnek havuzu oluşturmuştur.

İlk aşamada bölgesel aidiyet bakımından 122 Lingnan bahçesi tutulmuştur. İkinci aşamada plan okunabilirliği, avluların temel mekânsal birimler olarak belirlenebilmesi, ana yapılar ve büyük peyzaj öğelerinin ayırt edilebilmesi ve site sınırının açık olması aranmıştır. Kritik alanları eksik, düşük okunabilirlikte, mükerrer veya sınırı belirsiz planlar çıkarılmış ve 63 planlık nihai veri kümesi oluşturulmuştur.

Planlar neden renk kodlu hâle getirildi?

Kaynak planları ölçek, kâğıt boyutu, yönlenme ve çizim geleneği açısından farklıdır. Modelin aynı görsel dili öğrenebilmesi için bütün örnekler temizlenmiş, başlık ve açıklamalar kaldırılmış, oranları bozulmadan 512 × 512 piksel kare tuvale ortalanmıştır.

Güvenilir kuzey bilgisi bulunan örneklerde kuzey yukarı alınmış; yön bilgisi güvenilir olmayan planlarda özgün çizimin üst tarafı varsayılan yön olarak korunmuştur.

Plan elemanları iki ana grupta kodlanmıştır. Mimari elemanlar salon/hall, konut odası, kule, bahçe pavyonu, üstü örtülü koridor ve bölme duvarından; doğal elemanlar ise su yüzeyi, kaya düzeni, çim, bitki örtüsü ve taş döşemeden oluşmaktadır.

Avlu birimi nasıl tanımlandı?

Kaynakta avlu birimi; bina, koridor, duvar veya mekân tanımlayıcı peyzaj elemanlarıyla çevrelenen, ana gövdesini açık alanın oluşturduğu ve ayırt edilebilir bir peyzaj teması, görüş ilişkisi veya kullanım işlevi taşıyan dış mekân birimi olarak tanımlanmıştır.

Çevreleme tam kapalı, üç taraflı, L biçimli, I biçimli veya peyzajla çevrelenmiş olabilir. Çok küçük ışıklıkları bağımsız avlu saymamak için operasyonel eşikler de getirilmiştir: minimum kenar uzunluğu 3 m ve yaklaşık minimum alan 20 m²'dir. Sınırda kalan örnekler ayrıca uzmanlarca değerlendirilmiştir.

Avlu tipleri

Kaynak dört operasyonel avlu tipi kullanmaktadır. Flat courtyard, düz açık yüzeylerin baskın olduğu ve su veya kaya öğesinin açık bir merkez oluşturmadığı avludur. Water courtyard'da ana peyzaj çekirdeği sudur. Water–rock courtyard'da su ve kaya birlikte baskın sahneyi kurar. Rock courtyard'da kaya, yığma taş veya kaya bahçesi baskındır.

Kaynak Lingnan kuramındaki hill courtyard kategorisini mevcut örneklerde nadir olması ve yalnız plandan güvenilir biçimde ayrılmasının zor olması nedeniyle rock courtyard kategorisine birleştirmiştir.

Mekânsal yapı ile organizasyon biçimi aynı şey değildir

Mekânsal yapı, bahçenin tek, çift veya üç ve daha fazla avlu biriminden oluştuğunu belirtir. Organizasyon biçimi ise birden fazla avlunun birbirine nasıl bağlandığını ve ana yönlenme eksenine göre nasıl konumlandığını açıklar.

Araştırmacılar farklı biçimdeki avluları karşılaştırılabilir hâle getirmek için her avlunun geometrik merkezini tanımlamış ve ana bahçe yönlenme eksenini referans olarak kullanmıştır.

Parallel organizasyonda avlu merkezlerini bağlayan çizgi ana eksene genel olarak diktir; Table 3 operasyonel kuralı yaklaşık 90° ± 15° olarak verir. Serial organizasyonda bağlantı ana eksenle yaklaşık paraleldir ve mekânsal deneyim önden arkaya ilerler. Staggered organizasyon çapraz, ofsetli veya dönüşlü ilişkileri; composite organizasyon ise birden fazla organizasyon biçiminin aynı bahçede birlikte bulunmasını ifade eder.

Beş katmanlı structured prompt

Etiketlerin güvenilirliği nasıl kontrol edildi?

Üç uzman 63 bahçenin mekânsal yapı, organizasyon biçimi ve avlu tipi etiketlerini bağımsız olarak vermiştir. Nihai etiket çoğunluk kararıyla belirlenmiş; anlaşmazlıklarda yazar birden fazla kaynağı kontrol ederek karar vermiştir.

Neden LoRA kullanıldı?

63 plan, sıfırdan büyük bir diffusion model eğitmek için küçük bir veri kümesidir. Low-Rank Adaptation (LoRA), önceden eğitilmiş modelin ana ağırlıklarını büyük ölçüde sabit tutarken düşük-ranklı öğrenilebilir matrisler ekleyerek daha az eğitilebilir parametreyle belirli bir görsel alan ve koşullandırma diline uyarlama yapılmasını sağlar.

Bu çalışmada LoRA, Stable Diffusion 1.5'i renk kodlu Lingnan bahçe planları ve bunların structured prompt eşleşmelerine uyarlamak için kullanılmıştır.

Eğitim parametreleri

Figure 11 ve Figure 12, eğitim adımı arttıkça loss değerinin genel olarak azaldığını ve planların parçalı görünümden daha düzenli, daha okunabilir yapıya geçtiğini göstermektedir. Sonuçlar yaklaşık 20 epoch/5040 step civarında kararlılaşmaya başlamıştır; araştırmacılar yine de eleman ayrımı, sınır kararlılığı ve yapısal okunabilirlik bakımından 10.080-step modeli seçmiştir.

Site Sınırı Üretken Modelde Nasıl Korundu?

Çalışma site-boundary görüntüsünü doğrudan bir maske olarak kullanarak difüzyon modelinin yalnız tanımlı arazi sınırı içinde üretim yapmasını sağlamıştır; Canny ve Lineart tabanlı ControlNet seçenekleri mevcut veri kümesinde yeniden eğitim yapılmadan eleman hizasızlığı ve yapısal bozulma oluşturduğu için ana iş akışında doğrudan boundary masking tercih edilmiştir.

ComfyUI üretim ayarları

Bu düzenekte metinsel structured prompt iç düzeni ve hedef prototipi koşullandırırken site-boundary mask genel dış sınırı kısıtlar. Böylece modelin iki farklı bilgi türüyle aynı anda yönlendirilmesi amaçlanır: “ne tür mekânsal prototip üretilecek?” sorusunu metinsel etiketler; “hangi fiziksel sınır içinde üretilecek?” sorusunu sınır maskesi belirler.

Mekânsal-Prototip Etiketleri Üretimi Gerçekten İyileştirdi mi?

Evet, çalışmanın eşleştirilmiş ablasyon deneyinde mekânsal yapı ve organizasyon etiketlerini içeren structured prompt grubu, aynı model, aynı site sınırı, aynı random seed ve aynı üretim ayarları kullanıldığında element-only gruptan belirgin biçimde daha yüksek hedef-prototip isabet oranları üretmiştir; ancak kazanım avlu organizasyonunda avlu sayısına göre daha sınırlıdır.

Ablasyon deneyinin tasarımı

Sekiz hedef mekânsal prototip seçilmiştir: bir tek-avlulu prototip; serial, parallel ve staggered biçimlerinde üç çift-avlulu prototip; serial, parallel, staggered ve composite biçimlerinde dört çok-avlulu prototip.

Her prototip için 20 eşleştirilmiş üretim yapılmış ve toplam 160 çift oluşturulmuştur. Her çift iki çıktı içermektedir:

• Structured group: Beş katmanlı tam yapılandırılmış semantik giriş.
• Element-only group: Mekânsal yapı ve organizasyon etiketleri çıkarılmış, diğer koşullar korunmuş giriş.

Her çift aynı LoRA modeli, site-boundary maskesi, random seed ve generation parametrelerini kullanmıştır. Böylece karşılaştırmanın temel değişkeni mekânsal-prototip etiketlerinin bulunup bulunmamasıdır.

Hit ve unreadable oranlarının hesabı

Her üretilmiş sonuç beş profesyonel tasarımcı tarafından hit = 1, non-hit = 0 veya unreadable = −1 olarak değerlendirilmiştir. Beş uzmanın modal kategorisi vaka düzeyindeki sonuç olarak alınmıştır.

Kaynak Equation (1):

\[ H_d^g= \frac{1}{N_{gd}} \sum_{i=1}^{N_{gd}}m_{id}^{g} \tag{1} \]

\(H_d^g\), grup \(g\) ve değerlendirme boyutu \(d\) için hit oranıdır. \(N_{gd}\), o boyuttaki uygun sonuç sayısını; \(m_{id}^{g}\) ise ilgili vakanın hit olup olmadığını gösteren ikili değişkeni temsil eder.

Kaynak Equation (2):

\[ U_d^g= \frac{1}{N_{gd}} \sum_{i=1}^{N_{gd}}u_{id}^{g} \tag{2} \]

\(U_d^g\), unreadable oranıdır; \(u_{id}^{g}\) ilgili sonucun okunamaz olarak sınıflandırılıp sınıflandırılmadığını gösterir.

Ablasyon sonuçları

Güven aralıkları 20.000 eşleştirilmiş bootstrap resample ile; permutation sonuçları 20.000 sign-flip resample ile hesaplanmıştır. İstatistiksel analizde unreadable sonuçlar non-hit olarak ele alınmıştır.

Structured grubun unreadable oranı mekânsal yapıda %2,5, organizasyonda %6,4; element-only grupta sırasıyla %5,6 ve %14,3'tür.

Structured grubun mekânsal yapı hit oranları tek, çift ve çok avlulu örneklerde sırasıyla %75,0, %78,3 ve %80,0'dır.

Model Neden Avlular Arasındaki Organizasyonu Daha Zayıf Kontrol Ediyor?

Kaynak çalışmaya göre avlu sayısı ve baskın peyzaj tipi nispeten açık görsel sınırlara sahipken parallel, serial, staggered ve composite organizasyonlar avluların göreli konumu, bağlantısı, ana–ikincil hiyerarşisi ve yerel çevrelenmesi gibi daha derin topolojik ilişkiler gerektirir; küçük ve dengesiz veri kümesi ile iki boyutlu renk bloklu temsil bu ilişkilerin hassas öğrenilmesini sınırlamaktadır.

Organizasyon bazındaki hit oranları:

Bu değerler eşit veri desteğine sahip sınıfların karşılaştırması değildir. Eğitim veri kümesinde serial organizasyon yalnız iki örnekle temsil edilmektedir. Bu nedenle özellikle düşük frekanslı sınıfların sonuçları kaynak tarafından keşifsel düzeyde tutulmuştur.

Beş uzmanlı prototip uygunluk değerlendirmesi

Ablasyon deneyinden ayrı olarak 100 structured-group örneği, farklı mekânsal yapı, organizasyon ve avlu tiplerini kapsayacak biçimde tabakalı örneklemeyle seçilmiştir.

Beş profesyonel tasarımcı her sonucu dört boyutta bağımsız puanlamıştır:

Relevant = 1, partially relevant = 0,5 ve irrelevant = 0 olarak puanlanmıştır.

Bir örneğin belirli boyuttaki beş uzman ortalaması:

\[ S_{id}= \frac{1}{J} \sum_{j=1}^{J}s_{idj}, \qquad J=5 \tag{3} \]

Örneğin bileşik puanı ise dört değerlendirme boyutunun ortalamasıdır:

\[ S_i= \frac{1}{D} \sum_{d=1}^{D}S_{id} \tag{4} \]

Kaynakta \(D=4\)'tür. Beş değerlendiricinin ortalama puanları için inter-rater reliability ICC(2,5) = 0,68 olarak bulunmuştur.

Organizasyon puanının en düşük ve dağılımının en geniş olması, ablasyon deneyindeki aynı temel probleme işaret etmektedir: model “kaç avlu?” ve “hangi baskın peyzaj?” sorularına, “bu avlular birbirine tam olarak nasıl bağlanıyor?” sorusundan daha kararlı yanıt vermektedir.

Çalışmanın Yöntemi ve Bulguları

Araştırma akışının tamamı

Eleman-alan oranı nasıl hesaplandı?

Üretilen planlarda modelin renkleri eğitim verisindeki tam RGB kodlarından sapabildiği için kaynak doğrudan RGB eşitliği kullanmamıştır. Özel Python 3.14.3 betiği, NumPy 2.4.6 ve Pillow 12.2.0 kullanılarak pikseller CIE Lab renk uzayına dönüştürülmüş ve en yakın palet rengiyle ΔE*ab renk farkı hesaplanmıştır.

ΔE*ab ≤ 25 olan piksel en yakın eleman sınıfına atanmış; eşik dışındaki piksel noise olarak kabul edilmiştir.

Kaynak Equation (5):

\[ p_k= \frac{N_k} {\sum_i N_i} \tag{5} \]

Burada \(p_k\), eleman sınıfı \(k\)'nın geçerli eleman alanı içindeki oranıdır. \(N_k\), sınıf \(k\)'ya atanan piksel sayısıdır. Paydadaki \(\sum_i N_i\), arka plan ve noise çıkarıldıktan sonra bütün geçerli eleman piksellerinin toplamıdır. Denklem boyutsuz bir oran verir.

Kaynak ayrıca üretilen görüntülerde piksellerin yaklaşık %3'ünün renk kayması nedeniyle hiçbir eleman sınıfına atanamadığını, elle kodlanmış eğitim örneklerinde bu oranın %1'in altında olduğunu belirtmektedir.

Bu iki bulgu birbirine karıştırılmamalıdır: “geçerli eleman pixel coverage” görüntünün ne kadarının tanınabilir eleman sınıflarıyla kaplandığını; sınıflandırılamayan yaklaşık %3 ise renk kodlarının hedef paletten ne kadar saptığını anlatır.

Bina neden eksik, su neden fazla üretildi?

Kaynak tartışmasında bunun olası nedeni grafik temsilin niteliğiyle ilişkilendirilmiştir. Su genellikle büyük, kesintisiz renk alanıdır ve difüzyon modeli için sentezlenmesi daha kolaydır. Bina, duvar ve benzeri mimari bileşenler ise ince ve kesin sınırlar gerektirir.

Bina alanındaki eksiklik yalnız nicel bir kompozisyon problemi değildir. Mimari sınırlar avlunun çevrelenmesini tanımladığı için yapıların eksik veya bulanık oluşu avlu hiyerarşisi ve organizasyon ilişkilerinin de zayıflamasına neden olabilir.

Temsilî vakalar ne gösterdi?

Kaynak Figure 16, dört eğitim dağılımı içi örneği incelemektedir: Qinghui Garden, Qunxing Thatched Cottage, Beiyuan Restaurant ve Panxi Restaurant.

Beiyuan Restaurant'ın çift-avlulu parallel iskeleti üretimlerde nispeten açık biçimde yeniden kurulmuştur.

Qunxing Thatched Cottage'ın çift-avlulu staggered yapısı bazı örneklerde görülmekle birlikte avlu sınırları daha belirsizdir.

Qinghui Garden ve Panxi Restaurant'ın çok-avlulu composite üretimlerinde birden fazla avlu ve ana su sahneleri oluşmuş; ancak avlu hiyerarşisi ve yerel çevrelenme özgün planlara göre sadeleşmiştir.

Bazı sonuçlarda büyütülmüş su alanları ve zayıf mimari ifade gözlenmesi, Table 10'daki “su fazla / bina eksik” nicel sonucuyla aynı yöndedir.

Bu Sonuçlar Modelin Görülmemiş Lingnan Bahçelerinde Genelleştiğini Kanıtlıyor mu?

Hayır. Eğitim 63 planın tamamından yapılmış, temsilî Figure 16 örnekleri kaynak tarafından açıkça in-distribution olarak tanımlanmış ve çalışma bağımsız held-out bahçe vakalarında sistematik genel performans testi raporlamamıştır; yazarların held-out cases ve cross-type experiments çalışmalarını geleceğe bırakması nedeniyle mevcut sonuçlar kontrollü proof-of-concept başarısı olarak yorumlanmalıdır.

Çalışmanın desteklediği sonuçlar

Lingnan bahçe kuramındaki bazı mekânsal kavramlar, açık ve denetlenebilir semantik etiketler hâline çevrilebilir.

Structured spatial-prototype etiketleri, element-only istemlere kıyasla hedef avlu yapısına ve organizasyon biçimine yanıtı belirgin biçimde artırmıştır.

Avlu sayısı ve dominant peyzaj tipi, çoklu avluların hassas göreli konumları ve hiyerarşik ilişkilerinden daha kararlı biçimde üretilmiştir.

Site-boundary maskesi, mevcut deney koşullarında genel plan sınırının korunmasında yararlı olmuştur.

Renk kodlu eleman oranları bazı sınıflarda eğitim verisine yaklaşmakta, ancak bina ve su bileşiminde sistematik sapmalar bulunmaktadır.

Aynı semantik tanımların veri kodlama, üretim koşullandırma ve sonuç değerlendirmesinde kullanılması, model hatalarının hangi mekânsal düzeyde ortaya çıktığını daha izlenebilir hâle getirmiştir.

Çalışmanın desteklemediği sonuçlar

Modelin bütün Lingnan bahçe tiplerinde yüksek doğrulukla genelleştiği kanıtlanmamıştır.

Model tam mimari projelendirme sistemi değildir.

Üretilen 512 × 512 renk bloklu planlar inşaata hazır teknik projeler değildir.

Mekânsal işlev, erişilebilirlik, düşey organizasyon, malzeme, taşıyıcı sistem ve kullanıcı deneyimi mevcut değerlendirme sisteminde kapsamlı biçimde doğrulanmamıştır.

Yöntem otomatik tarihî eser restorasyonu değildir.

Su ve bina alan oranlarının eğitim dağılımına yaklaşması tek başına mimari doğruluk veya kültürel özgünlük kanıtı değildir.

İstatistiksel olarak güçlü ablasyon farkı, modelin eğitim dağılımı dışındaki yeni bahçelerde aynı performansı göstereceğini garanti etmez.

Bu Sistem Tarihî Lingnan Bahçelerini Otomatik Olarak Restore Edebilir mi?

Hayır. Çalışmanın adaptif yeniden yapılandırma senaryosu yalnız kavramsal bir tasarım-destek önerisidir; kaynak bunu deneysel olarak doğrulanmış otomatik restorasyon yöntemi olarak sunmamakta ve tarihsel belge, saha incelemesi, miras değeri analizi ile profesyonel tasarım kararının vazgeçilmez olduğunu açıkça belirtmektedir.

Yeni bahçe tasarımındaki olası rol

Yeni Lingnan bahçelerinde tasarımcı, site sınırını ve hedef mekânsal prototipi tanımlayan etiketleri sisteme vererek erken aşamada alternatif planlar üretebilir. Kaynağın mevcut bulgularına göre bu yaklaşım özellikle avlu sayısı ve baskın bahçe tipi için organizasyon detaylarından daha güvenilirdir.

Dolayısıyla üretim, profesyonelin yerine nihai karar veren araç değil; tasarım seçeneklerini genişleten ve prototip ilişkilerini görünür kılan erken aşama destek sistemi olarak ele alınmaktadır.

Mevcut bahçelerin adaptif yeniden yapılandırılması

Kaynak Figure 17'de mevcut bahçenin tarihsel olarak desteklenen prototiplerle karşılaştırılması, bozulan avlu hiyerarşisi veya yapı–peyzaj oranlarının belirlenmesi ve mevcut site sınırı içinde alternatif yeniden düzenleme fikirlerinin üretilmesi önerilmektedir.

Bu senaryo makalenin deneysel değerlendirme kapsamına girmemiştir.

Çalışmanın temel sınırlılıkları

Küçük veri kümesi: Eğitim yalnız 63 planla gerçekleştirilmiştir.

Sınıf dengesizliği: Serial organizasyon iki, rock courtyard etiketi üç örnekle temsil edilmektedir.

İki boyutlu soyutlama: Renk bloklu plan temsilinin avantajı standartlaşma; bedeli ise gerçek ölçek, mimari sınır ayrıntısı, malzeme, düşey ilişki ve mekânsal deneyim bilgisinin sıkıştırılmasıdır.

Organizasyon kontrolü: Çoklu avlu ilişkileri, avlu sayısı ve baskın peyzaj tipinden daha zor kontrol edilmektedir.

Değerlendirme kapsamı: İşlevsel organizasyon, mekânsal adjacency, accessibility, düşey ilişkiler ve mekânsal deneyim henüz çalışmanın yürütülebilir değerlendirme ölçütlerine dahil değildir.

Genelleme: Bağımsız held-out vaka değerlendirmesi raporlanmamaktadır.

Uygulama doğrulaması: Yeni bahçe ve adaptive restructuring kullanım senaryoları saha/proje deneyleriyle doğrulanmamıştır.

Gelecek araştırmalar

Kaynak gelecek çalışmaları dört ana eksende tanımlar: veri, temsil, kontrol ve değerlendirme.

Veri düzeyinde gerçek bahçe sayısının artırılması ve düşük frekanslı mekânsal prototipleri desteklemek üzere uzman doğrulamalı sentetik veri artırımı önerilmektedir.

Temsil ve kontrol düzeyinde avlu birimleri, adjacency, göreli konum, enclosure ve hiyerarşik ilişkilerin graph structures veya hierarchical semantics biçiminde kodlanması önerilmektedir.

Değerlendirme tarafında space syntax hesaplaması, makine öğrenmesi kümeleme ve perceptual validation yöntemlerinin mevcut prototip ve eleman oranı değerlendirmesine eklenmesi önerilmektedir.

Label granularity, relational-control accuracy ve generative diversity arasındaki denge held-out vakalar ve cross-type deneyleriyle sınanmalıdır.

Kaynak ve Yöntem Notu

Özgün çalışma: Structured Semantic Translation and Diffusion-Based Generation of Lingnan Courtyard Garden Spatial Layouts: A Multi-Level Evaluation Framework

Yazarlar: Yanghao Luo; Zhenhui Zhang; Yiyang Huang.

Sorumlu yazar: Zhenhui Zhang.

Kurumlar: School of Architecture, South China University of Technology, Guangzhou, China; School of Civil Engineering and Architecture, Wuyi University, Nanping, China.

Dergi: Buildings.

Yayınevi: MDPI.

Bibliyografik kayıt: Buildings, 2026, 16(17), Article 3549.

DOI: 10.3390/buildings16173549.

Yayın süreci: Alınış 7 Ağustos 2026; revizyon 29 Ağustos 2026; kabul 1 Eylül 2026; yayın 7 Eylül 2026.

Kaynak türü: Hakemli ve yayımlanmış üretken mimarlık/peyzaj tasarımı, makine öğrenmesi ve uzman değerlendirmesi araştırması; kuram-temelli proof-of-concept.

Lisans: Creative Commons Attribution (CC BY).

Ana veri kümesi: 63 Lingnan avlu bahçesi planı; 25 geleneksel ve 38 modern örnek.

Veri temsili: 512 × 512 px normalize renk kodlu plan + beş katmanlı structured prompt.

Semantik katmanlar: Dönem üslubu, mekânsal yapı, organizasyon biçimi, avlu tipi ve kurucu elemanlar.

Temel model: stable-diffusion-v1-5-pruned.

Fine-tuning: LoRA; rank/alpha 32/32; AdamW8bit; U-Net learning rate 5 × 10⁻⁵; text encoder learning rate 1 × 10⁻⁵; batch size 2; 40 epoch; toplam 10.080 step.

Üretim ortamı: ComfyUI frontend 1.34.9; LoRA weight 1,25; Euler sampler; 32 step; CFG scale 7; 512 × 512 üretim.

Boundary control: Site-boundary image mask.

Ablasyon: Sekiz hedef prototip × 20 eşleştirilmiş üretim = 160 paired unit; structured ve element-only koşullar.

Uzman sayısı: Ablasyon ve relevance değerlendirmelerinde beş profesyonel tasarımcı; eğitim etiketleme/kodlama güvenilirliğinde üç uzman.

İstatistik: 20.000 paired bootstrap resample; 20.000 sign-flip paired permutation; exact McNemar test; Fleiss’ κ; ICC(2,5).

Ana ablasyon sonucu: Structured grup mekânsal yapı hit %78,8 ve organizasyon hit %52,1; element-only grup %19,4 ve %13,6.

Ana uzman değerlendirme sonucu: Yapı 0,79; tip 0,80; organizasyon 0,61; genel uygunluk 0,72; bileşik ortalama 0,73.

Eleman analizi: Python 3.14.3, NumPy 2.4.6, Pillow 12.2.0; CIE Lab ve ΔE*ab ≤ 25 sınıflandırma eşiği.

Ana bileşim sapmaları: Bina −10,0 yüzde puan; su +8,6 yüzde puan.

Veri erişilebilirliği: Eğitim veri kümesi GitHub üzerinde Yhao-L/Lingnan-Courtyard-Dataset deposunda açık olarak yayımlanmıştır.

Finansman: Natural Science Foundation of Fujian Province, Grant 2024J01913.

Etik kurul: Uzmanların yalnız anonim üretilmiş plan görüntülerini önceden tanımlı ölçütlerle değerlendirmesi ve kişisel/hassas veri toplanmaması nedeniyle etik kurul onayı gerekli görülmemiştir.

Bilgilendirilmiş onam: Katılan bütün uzmanlardan alınmıştır.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir.

Yapay zekâ kullanım beyanı: Yazarlar çalışma hazırlanırken ChatGPT GPT-5 serisini dil düzenleme ve çeviri desteği için kullandıklarını; çıktıyı gözden geçirip düzenlediklerini ve yayın içeriğinin sorumluluğunu üstlendiklerini bildirmiştir.

Yazar katkıları: Yanghao Luo: kavramsallaştırma, yöntem, formal analiz, araştırma, veri kürasyonu, görselleştirme ve ilk taslak. Yiyang Huang: yazılım ve doğrulama. Zhenhui Zhang: gözden geçirme/düzenleme, gözetim ve proje yönetimi.

Temel yöntemsel sınır: Eğitim kümesi küçük ve dengesizdir; değerlendirmeler modelin mekânsal-prototip kontrolünü desteklemektedir ancak bağımsız held-out bahçe vakalarında genel model performansı doğrulanmamıştır. İki boyutlu renk bloklu temsil işlev, malzeme, düşey mekân ve deneyimsel mekânsal niteliklerin tamamını taşımaz.

Telif ve yeniden kullanım notu: Makale CC BY lisanslıdır. Bununla birlikte makaledeki bazı kaynak planları, araştırma görselleri ve resmî harita tabanları üçüncü taraf materyallerinden türetilmiştir. Verianla görsellerinde bu materyalleri piksel düzeyinde yeniden kullanmak yerine kaynakta tanımlanan bilimsel ilişkilerin bağımsız şema ve kaynak-verili grafiklerle yeniden kurulması tercih edilmelidir.