항공 뷰에서 피겨-그라운드 맵(Figure-Ground Map)을 제작하는 방법

왜 항공 뷰에서 피겨-그라운드 맵을 제작할까요?

도시 설계 및 대지 분석에서 피겨-그라운드 맵(Figure-ground Map, 형상-배경도)은 도시 구조를 이해하는 데 가장 유용한 도면 중 하나입니다. 도시를 건물 매스와 오픈 스페이스 간의 명확한 관계로 단순화하여, 설계자가 블록 밀도, 도로 연속성, 보이드(void) 분포 및 도시 조직(urban fabric)을 파악할 수 있도록 돕습니다.

하지만 실무에서는 항상 정돈된 GIS나 CAD 파일로 작업을 시작할 수 있는 것은 아닙니다. 많은 초기 연구는 Google Earth, 드론 영상, 또는 하이앵글 항공 이미지에서 출발합니다. 이러한 이미지에는 유용한 공간 정보가 담겨 있지만 지붕 텍스처, 차량, 가로수 수관, 그림자, 표지판, 원근 왜곡 등 많은 시각적 노이즈도 포함되어 있습니다.

그림 01. 도시 분석을 위한 참조 이미지로 하이앵글 항공 뷰 사용하기

이 튜토리얼에서는 ReRoom을 사용하여 복잡한 항공 이미지를 포트폴리오 스타일의 깔끔한 피겨-그라운드 맵으로 변환해 봅니다. 목표는 공식 지도 제작이나 측량을 대체하는 것이 아닙니다. 그 대신, 실제 도시 이미지를 가독성 있는 분석용 베이스 맵으로 신속하게 변환하는 것입니다.

1단계 — 로그인 및 항공 이미지 준비하기

먼저 ReRoom에 로그인하고 대상 도시 블록의 하이앵글 항공 이미지를 준비합니다.

업로드하기 전에 건물 경계가 명확한지, 도로가 연속적인지, 주요 블록 구조가 잘 보이는지 확인하세요. 이미지가 수목이나 그림자로 지나치게 많이 가려져 있다면 모델이 식생이나 어두운 영역을 건물 매스로 오인할 수 있습니다.

가장 좋은 입력 이미지가 반드시 가장 아름다운 이미지인 것은 아닙니다. 지붕, 도로, 중정, 오픈 스페이스, 블록 가장자리가 명확하게 드러나야 합니다.

이 단계에서는 모델에 아름다운 다이어그램 생성을 바로 요구하지 않습니다. 먼저 AI가 작업을 이해하도록 해야 합니다. 즉, 실제 항공 뷰를 솔리드 건물 풋프린트와 오픈 스페이스 간의 대비 맵으로 변환하는 작업임을 인지시키는 것입니다.

identify building footprints and open spaces from the aerial urban view, preserve street block structure, simplify roofs and ground texture, remove cars, trees, shadows, and visual noise

2단계 — 홈으로 이동하여 이미지 업로드하기

로그인한 후 ReRoom 홈 페이지로 이동하여 도시 항공 이미지를 업로드합니다.

이 이미지를 변환의 핵심 참조 자료로 사용하세요. 항공 이미지는 모델이 건물 매스, 도로 레이아웃, 오픈 스페이스, 블록 비율을 이해하도록 가이드해야 합니다.

목표는 새로운 추상적 지도를 생성하는 것이 아니라 도시의 구조를 보존하는 것입니다. 그렇기 때문에 초기에는 창의적인 스타일 프롬프트를 배제하는 것이 좋습니다.

3단계 — 피겨-그라운드 프롬프트 작성하기

다음으로 결과물이 피겨-그라운드 맵임을 명확하게 설명하는 프롬프트를 작성합니다.

가장 중요한 부분은 무엇이 "솔리드(solid)"가 되고 무엇이 "보이드(void)"로 남아야 하는지 정의하는 것입니다. 일반적으로 건물은 검은색 풋프린트로, 오픈 스페이스는 흰색 영역으로 묘사합니다.

convert this aerial urban view into a clean professional figure-ground map, black building footprints, white open spaces, preserve street layout, urban blocks, building edges, courtyard spaces, and road network, minimal architectural portfolio style, no perspective, no shadows, no labels, no cars, no people, no trees

그림 02. ReRoom을 사용하여 도시 항공 뷰를 깔끔한 피겨-그라운드 맵으로 변환하기

테스트 결과, 단순히 "make it minimal(미니멀하게 만들어줘)"라고 작성하는 것보다 black building footprints, white open spaces, preserve street layout과 같은 단어가 훨씬 유용했습니다.

프롬프트에 단순히 "minimal city map"만 적는다면 결과물은 깔끔해 보일 수 있지만 도로 비율이나 건물 가장자리를 보존하지 못할 수 있습니다. 도시 분석에서는 시각적인 완성도보다 이러한 구조의 손실이 더 치명적입니다.

4단계 — 어두운 코너와 밝은 코너 편집하기

첫 번째 결과가 생성되면 이미지 전체에서 피겨-그라운드 대비가 명확한지 확인합니다.

때로는 그림자, 지붕 재료, 울창한 식생으로 인해 어두운 구석이 남아 있을 수 있습니다. 반대로 지나치게 밝은 구석에서는 건물 경계가 소실되어 과도하게 빈 영역으로 변하기도 합니다.

어두운 코너의 경우, 그림자를 단순화하고 건물 풋프린트 로직을 복원하도록 모델에 요청하는 편집 프롬프트를 사용합니다.

clean up the dark corner areas, remove shadow noise, keep only solid building footprints and clear white open spaces, preserve block edges and street layout

지나치게 밝은 영역에는 누락된 가장자리를 복구하고 대비를 강화하도록 요청하는 프롬프트를 사용합니다.

recover missing building edges in the bright corner areas, improve figure-ground contrast, keep black building masses and white void spaces, preserve the original urban block structure

그림 03. 피겨-그라운드 가독성을 높이기 위해 어둡고 밝은 코너 영역 편집하기

항공 사진은 노출이 균일한 경우가 거의 없기 때문에 이 단계는 매우 중요합니다. 이러한 영역을 정리하지 않으면 최종 다이어그램이 미니멀해 보일 수는 있어도 분석용으로는 신뢰할 수 없게 됩니다.

5단계 — 노이즈 제거 및 비율 보존하기

실제 항공 이미지에는 정보가 너무 많기 때문에 피겨-그라운드 맵을 만들기 까다롭습니다. 지붕 텍스처, 가로수 수관, 그림자, 주차장, 도로 표시 등이 실제 건물과 오픈 스페이스 간의 관계 파악을 방해합니다.

노이즈를 줄이기 위해 일반적으로 remove shadows, remove trees, no roof texture, flat 2D diagram과 같은 제한 사항을 추가합니다.

flat 2D architectural analysis diagram, solid black building masses, clean white void spaces, remove roof texture, remove vegetation, remove shadows, preserve urban fabric and block proportions

그림 04. 시각적 노이즈를 제거하여 미니멀한 도시 분석 베이스 맵 생성하기

핵심은 깔끔함과 정확성 사이의 균형을 맞추는 것입니다. 이미지가 너무 단순화되면 블록의 중요한 디테일이 사라집니다. 반대로 사진에 너무 충실하면 다이어그램에 불필요한 시각적 노이즈가 과도하게 남게 됩니다.

대부분의 경우, 지붕 재료나 조경 디테일보다는 건물 가장자리, 도로망, 중정, 오픈 스페이스를 우선적으로 고려합니다.

6단계 — 포트폴리오 및 대지 분석에 맵 활용하기

이 워크플로를 통해 복잡한 도시 항공 이미지를 가독성 높은 피겨-그라운드 맵으로 변환할 수 있습니다. 대지 분석, 포트폴리오 베이스 맵, 도시 조직 비교, 블록 밀도 연구 및 초기 설계 참조 자료로 활용하기에 적합합니다.

ReRoom을 사용하더라도 건물 윤곽, 도로 연속성, 오픈 스페이스 경계, 흑백 관계에 대해서는 수동 검토가 필요합니다. 결과물을 공식적인 도시 연구나 법규 분석에 활용하는 경우, 설계자는 여전히 GIS, CAD 또는 측량 데이터를 통해 이를 검증해야 합니다.

하지만 초기 제안 단계에서는 이 워크플로를 통해 실제 항공 이미지를 분석용 베이스 맵으로 변환하는 데 드는 시간을 줄일 수 있습니다.

여기서 AI는 도시 분석 자체를 대체하는 것이 아닙니다. 기존 도시 이미지를 더 쉽게 읽고, 비교하고, 논의할 수 있는 시각적 언어로 변환하도록 돕는 역할을 합니다.