AI render çoğu mimarlık pratiği için deneysel aşamadan günlük iş akışına geçti, ancak terminoloji aynı hızla ilerlemedi. Mimarlar "difüzyon modeli" ve "ControlNet" gibi terimleri ortak bir tanım olmadan kullanıyor — teknoloji tarafından yapılan ile bunun nasıl tarif edildiği arasındaki uçurum giderek büyüyor.
İşte bilinmesi gereken yirmi terim. Her biri sade bir tanım ve iş akışınız için neden önemli olduğuna dair bir cümle içeriyor.
Temel kavramlar
1. Difüzyon modeli Çoğu render aracının arkasındaki AI mimarisi. Bir difüzyon modeli, saf rastgele gürültü içeren bir görüntüyle başlar ve metin istemi ile koşullandırma girdilerinin yönlendirmesiyle tutarlı bir görüntü elde edene kadar yinelemeli olarak gürültüyü azaltır. Gürültü azaltmanın her adımı küçük, öğrenilmiş bir dönüşümdür. Neden önemli: çıktının yinelemeli gürültü azaltma yoluyla oluşturulduğunu bilmek, aynı girdiyle her seferinde biraz farklı sonuçlar alınmasının nedenini açıklar — başlangıç gürültüsü rastgeledir ve gürültü azaltma yolu olasılıksaldır.
2. Metin istemi AI'ye verdiğiniz talimat: "beyaz meşe dolaplı ve beton zeminli, güneş ışığıyla aydınlanan bir İskandinav mutfağı." İstem, koşullandırma görseliyle birlikte çıktıyı şekillendirir. Neden önemli: mimariye özel araçlar, koşullandırmayı dahili olarak yönettikleri için istem becerisine olan bağımlılığınızı azaltır — bir paragraf yazmak yerine malzeme ve aydınlatma ön ayarlarını belirtirsiniz.
3. Koşullandırma görseli Girdiniz: 3B model görünümü, SketchUp ekran görüntüsü veya Revit dışa aktarma dosyası. Koşullandırma görseli çıktıyı geometrinize bağlar. Bu, mimari AI görselleştirmeyi metinden-görüntüye araçlardan ayıran unsurdur — AI bir mekânı hayal etmiyor, sizin mekânınızı render alıyor. Neden önemli: koşullandırma görselinizin kalitesi (temiz model, iyi kamera açısı, tutarlı malzemeler) doğrudan render kalitesini etkiler.
4. Görüntüden-görüntüye (img2img) Yeni bir görüntüyü, mevcut bir görüntüyü dönüştürerek oluşturma; saf gürültüden üretmek yerine. Çoğu mimari AI görselleştirme img2img şeklindedir — bir 3B görünümü sağlarsınız ve fotogerçekçi bir versiyon alırsınız. Neden önemli: bu mekanizma, model ekran görüntünüzü rastgele bir mekân üreten metinden-görüntüye yönteme kıyasla doğrudan bir render haline dönüştürür.
5. Gürültü giderme gücü Modelin girdi görselinizden ne kadar saptığını kontrol eder. Yüksek gürültü giderme gücü: modelin yaratıcı özgürlüğü artar ve çıktı girdiğiniz görselden belirgin şekilde farklılaşabilir. Düşük gürültü giderme gücü: çıktı girdinize çok yakın kalır ancak fotogerçekçiliğe ulaşamayabilir. Neden önemli: doğru dengeyi bulmak, yapay zekâ ile mimari görselleştirmede temel gerilimdir — gerçekçilik ile sadakat arasında.
Geometri ve doğruluk
6. ControlNet Difüzyon modelinin çıktısını yapısal bir girdiye göre koşullayan bir sinir ağı uzantısı — 3B modelinizden çıkarılan kenar çizgileri, derinlik haritaları, yüzey normalleri gibi. ControlNet, AI render’ın jeneratif olmaktan çok mimari olmasını sağlar: modele tasarımınızın çalışılacak mekânsal haritasını verir. Neden önemli: ControlNet koşullandırma gücü, geometri korunması üzerinde birincil kontroldür. Daha yüksek ağırlık = tasarımınıza daha sadık.
7. Geometri sadakati Bir render aracının duvarları, açıklıkları, oranları ve yapısal elemanları girişle ne ölçüde hizalı tuttuğunun derecesi. Jeneratif araçlar sapmayı azaltabilir ancak mükemmel korunmayı garanti edemez; bu yüzden kaynak model ve çizimler yetkili belge olmaya devam eder. Neden önemli: geometri sapması yalnızca estetik bir sorun değil, mesleki bir sorundur.
8. Geometri sapması / halüsinasyon AI'nin girdi geometrinizi değiştirmesi: duvarları taşımak, siz modellemediğiniz mobilyalar eklemek, pencere oranlarını değiştirmek, tavan yüksekliklerini eğitim verisinin beklentilerine göre ayarlamak. Genellikle düşük ControlNet koşullandırma gücü veya görsel kaliteyi mimari doğruluğun önüne koyan model eğitimi nedeniyle oluşur. Neden önemli: tasarımınızla uyuşmayan bir görselleştirme müşterileri yanıltır ve gerçek projede olmayan beklentiler yaratır.
9. Derinlik haritası 3B sahnenizin kameraya olan uzaklığını piksel parlaklığıyla gösteren gri tonlamalı bir temsildir. Parlak pikseller yakın; koyu pikseller uzaktadır. Modelinizin üç boyutlu mekânsal yapısını korumak için ControlNet girdisi olarak kullanılır. Neden önemli: derinlik haritası koşullandırması AI’nın hangi elemanın önde olduğunu anlamasına yardımcı olur; yüzeylerin düzleşmesini veya mekânsal ilişkilerin kaybolmasını önler.
10. Kenar algılama (Canny/HED) Görünüm alanınızdan — duvar sınırları, kapı kasaları, taşıyıcı kolonlar, mobilya konturları — kenar çizgilerini çıkaran ve bunları ControlNet koşullandırması olarak kullanan bir algoritmadır. Canny ve HED, farklı hassasiyet ayarlarına sahip iki özel algoritmadır. Neden önemli: kenar koşullandırmalı görselleştirmeler mimarinizin lineer geometrisini çok yakın şekilde korur. Modelinizdeki duvar çizgileri temizse, kenar koşullandırma çıktıda yüksek sadakatli geometri üretir.
Aydınlatma ve malzemeler
11. Aydınlatma ön ayarı Adlandırılmış bir aydınlatma koşulu — altın saat, kapalı hava, mavi saat, öğle vakti — güneş açısını, renk sıcaklığını, gökyüzü durumunu ve gölge kalitesini tek seçimle ayarlar. Neden önemli: HDRI çevre haritalarını, güneş pozisyonunu ve pozlama ayarlarını elle yapılandırma ihtiyacını ortadan kaldırır. Aydınlatma mühendisliği bilgisi olmadan tutarlı, tekrarlanabilir sonuçlar sağlar.
12. Altın saat Güneşin doğuşundan yaklaşık bir saat sonra ve gün batımından yaklaşık bir saat önceki dönem; güneş alçakken ışık sıcak amber/turuncu tonundadır. Fotoğrafçılıkta ve görselleştirmede altın saat ışığı uzun, yumuşak gölgeler, sıcak renk sıcaklığı (~2500–3500K) ve sinematik bir etki oluşturur. Neden önemli: konut iç mekânları ve dış cephe mimari çekimleri için en evrensel olarak avantajlı aydınlatmadır. Müşteriler sıcaklığa olumlu tepki verir.
13. Mavi saat Gün batımından sonra (veya gün doğumundan önce) gökyüzünün derin mavi olduğu ve yapay iç mekân ışığının karşıt olarak sıcak göründüğü dönem. Mavi saat, soğuk dış mekân ve sıcak iç mekân arasında dramatik bir renk ayrımı yaratır. Neden önemli: lüks konut, konaklama ve yüksek kaliteli ticari görselleştirmeler için tercih edilen aydınlatma koşuludur. Yaratığı atmosfer — akşam ışığı, içinde yaşam olan mekân — diğer koşullarla yakalanması zor bir his verir.
14. Renk sıcaklığı Kelvin (K) cinsinden ölçülür. Düşük Kelvin (~2700K) = sıcak, turuncu/amber ışık; örn. akkor ampul veya batan güneş. Yüksek Kelvin (~6500K) = soğuk, mavi/beyaz ışık; örn. kapalı gökyüzü gündüz ışığı. Neden önemli: renk sıcaklığı, bir görselleştirmenin duygusal tonunu belirleyen en önemli değişkendir. Aynı oda 2700K'de samimi, 6500K'de ise klinik hissedilir.
15. HDRI (High Dynamic Range Image) Gerçek bir ortamın 360° panoramik fotoğrafı; geleneksel render süreçlerinde aydınlatma kaynağı olarak kullanılır. HDRI, sahne için gerçekçi ortam ışığı, gökyüzü rengi ve yansımalar sağlar. Neden önemli: HDRI'ye eşdeğer koşullandırma sunan AI görselleştirme araçları, HDRI dosyalarını bulup ayarlamanıza gerek kalmadan herhangi bir gerçek dünya ortamından fiziksel olarak tutarlı ortam ışığı üretebilir.
İş akışı terimleri
16. Inpainting Mevcut bir görselleştirmenin belirli bir bölgesini düzenleyip geri kalanını değiştirmeden bırakma işlemi. Bir alanı maskeleyip (değiştirmek istediğiniz bir sandalye, yanlış olan bir perde düzenlemesi) modelin yalnızca o bölgeyi çevreyle uyumlu şekilde yeniden oluşturmasını sağlarsınız. Neden önemli: genel olarak iyi olan bir görselleştirmede sadece belirli sorunları tüm görüntüyü baştan yeniden oluşturmadan düzeltmenizi sağlar — üretim iş akışında önemli zaman tasarrufu.
17. Upscaling Yapay zekayı, bir görüntünün çözünürlüğünü doğal boyutunun ötesinde görünür detay kaybı olmadan artırmak için kullanma. AI upscaler'lar (ESRGAN, Real-ESRGAN) yalnızca pikselleri enterpolasyon yapmak yerine öğrenilmiş detay ekler. Neden önemli: hızlı yineleme için orta çözünürlükte render almanızı ve yalnızca onaylanan çıktıyı yükseltmenizi sağlar; her yinelemeyi tam 4K'da çalıştırmak zorunda kalmazsınız.
18. Seed Difüzyon üretiminde gürültüyü başlatmak için kullanılan rastgele sayı. Aynı istem ve aynı seed, yaklaşık olarak aynı çıktıyı üretir — beğendiğiniz bir sonucu yeniden elde etmenin veya kontrollü varyasyonlar oluşturmanın yoludur. Farklı seed = farklı varyasyon, her şey eşitse. Neden önemli: seed'ler, her şeyi tutarlı tutarken "bu odanın üç farklı aydınlatma koşulunda göster" gibi tutarlı varyasyon setleri yaratma şeklidir.
19. Latent space Difüzyon modellerinin çalıştığı soyut matematiksel alan. İsteminiz ve koşullandırma görseliniz gizli temsillere kodlanır; model bu alanda gürültüyü giderir; nihai çıktı tekrar piksel uzayına dekode edilir. Neden önemli: gizli uzayı anlamak, benzer görünen istemlerin neden çok farklı çıktılar üretebildiğini açıklar — piksel uzayında küçük mesafeler, gizli uzayda büyük mesafeler olabilir ve tersi de geçerlidir.
20. Render farm Renderları paralel işleyen sunucu ağı; geleneksel olarak büyük stüdyoların render sürelerini saatlerden dakikalara indirmek için kullandığı çözüm. Bulut tabanlı AI görselleştirme araçları her kullanıcıya ve her iş için etkin bir render farm sağlar. Neden önemli: bulut render alma, makinenizde başka nelerin çalıştığına bakmaksızın tutarlı ~30 saniyelik çıktılar, donanım bakım ihtiyacı olmaması ve maliyetlerin yatırım yerine işletme gideri olarak yapılandırılması demektir.
Bir difüzyon modeli basitçe nedir? Bir difüzyon modeli rastgele gürültü ile başlar ve bunu, metin istemi ve 3B modelinizin yapısal girdileriyle yönlendirilmiş olarak, tekrar tekrar uygulanan küçük öğrenilmiş dönüşümlerle tutarlı bir görsele dönüştürür. Bunu boş bir tuvalden boyamak yerine gürültüden heykel yapmak gibi düşünün.
ControlNet AI görselleştirmede ne yapar? ControlNet, difüzyon modelinin çıktısını 3B modelinizin yapısal temsiline — kenar çizgileri, derinlik haritaları, yüzey normalleri — koşullandırır. Bu, AI çıktısını rastgele bir mekâna dönüştürmek yerine geometrinize bağlı tutan mekanizmadır. Yüksek ControlNet ağırlığı daha fazla geometrik sadakat anlamına gelir.
Geometri sadakati nedir? Geometri sadakati, duvar konumlarının, açıklık oranlarının ve mekânsal ilişkilerin girdiyi ne kadar yakından takip ettiğini tanımlar. Bu, Maquete gibi mimariye özgü araçlar için birincil mühendislik önceliğidir, ancak üretken bir sonuç yine de kaynak model ile karşılaştırılmalıdır.
Aydınlatma ön ayarı ile bir metin istemi arasındaki fark nedir? Bir aydınlatma ön ayarı, belirli bir aydınlatma koşulunu — altın saat, kapalı hava, mavi saat — güvenilir şekilde üreten önceden tasarlanmış bir koşullandırma sinyalidir. Metin istemiyle kontrol edilen bir aydınlatma talimatı ("batıdan gelen sıcak akşam altın ışığı") nasıl ifade ettiğinize bağlıdır ve farklı sahneler arasında daha tutarsız sonuçlar verir. Ön ayarlar daha tekrarlanabilir; istemler daha esnektir.
Daha fazla okuma: AI mimari görselleştirmesi nedir? — difüzyon modelleri, ControlNet, koşullama ağırlığı — temel kavramların tek bir yerde açıklaması.