從街景轉成立面圖

為什麼從 Google Earth 街景開始

在做建築案例研究或立面分析時，我們常會先從 Google Earth 或街景截圖開始。這類素材容易取得，也保留了建築量體、開口比例、街道尺度與周邊環境關係。

但街景本身有很多干擾：透視變形、車輛、樹木、招牌、陰影與拍攝角度都會影響判讀。我們這次想測試的是，能不能把現實中的 3D 街景，透過 ReRoom 與 Nano Banana Pro，逐步轉成乾淨、極簡、可閱讀的 2D 建築正投影立面。

圖 01. 從 Google Earth 擷取目標建築作為結構參考

這個 workflow 的重點不是複製真實建築，也不是產出施工圖，而是把街景中的立面結構轉譯成更適合分析、簡報與設計討論的圖面。

先鎖定建築，再移除街景干擾

第一步是在 Google Earth 中鎖定目標建築，例如紐約時報大廈、台北 101，或其他具有明確立面語彙的案例。這時候我們會盡量選擇正面角度，讓立面輪廓、樓層節奏與開口比例更清楚。

如果截圖角度太斜，AI 很容易把透視當成立面特徵，最後生成的圖會變成「看起來像立面」，但比例與結構邏輯不穩定。因此我們會先把輸入影像控制在可讀範圍內，而不是期待 prompt 解決所有問題。

在這個階段，我們不會急著要求模型生成漂亮圖面，而是先讓模型理解：這張圖的核心是建築立面，不是街道照片。

identify the main building facade from the reference image, remove street distractions, preserve facade proportion, window rhythm, structural grid

用 Nano Banana Pro 轉成 2D 正投影立面

接著我們會在 ReRoom 中開啟對應的模型，選擇 Nano Banana Pro，並把 Google Earth 截圖匯入作為核心參考素材。這一步的目標，是把有透視的實景建築，轉換為更接近正投影的 2D 立面圖。

我們會在 prompt 裡明確要求 orthographic elevation，並限制輸出風格為 minimal architectural drawing。這能降低模型加入過多渲染、天空、街景或多餘裝飾的機率。

convert the reference building photo into a clean 2D orthographic architectural elevation, front facade drawing, minimal black and white linework, preserve window rhythm, structural grid, facade proportions, remove perspective distortion, no street objects, no cars, no people

圖 02. 透過 Nano Banana Pro 將街景轉換為極簡 2D 建築正投影立面

我們後來發現，這類 prompt 的關鍵不是「畫得更像」，而是「保留哪些幾何規則」。例如 window rhythm、structural grid、facade proportions 這些詞，通常比 beautiful elevation drawing 更有效。

prompt 控制的幾個取捨

這個 workflow 裡最容易失控的地方，是模型會把街景照片重新詮釋成漂亮的建築插畫，而不是穩定的立面圖。因此我們會刻意降低 rendering style 的描述，並提高 projection、linework 與 proportion 的限制。

如果想要更專業的圖面感，我們會加上 scale、line weight、architectural diagram 等詞，但不會要求太多材質。材質描述一旦太強，輸出就容易從立面圖變回渲染圖。

professional architectural elevation diagram, precise facade grid, clean line weight, flat 2D orthographic view, simplified materials, no perspective, white background

另一個取捨是「簡化」與「忠實」之間的平衡。過度簡化會失去案例建築的辨識度；過度忠實又會保留太多街景雜訊。因此我們通常會保留樓層節奏、主要開口、結構格線與立面分割，移除車輛、行人、招牌與強烈陰影。

從案例研究到設計參考

這個流程可以把一張現實中的 3D 街景，逐步推進成可閱讀的 2D 建築正投影立面。對我們來說，它最適合用在案例研究、立面語彙整理、簡報草圖與 early-stage design reference。

我們不會把這類輸出當成精確測繪結果，因為 Google Earth 截圖本身就有透視與解析度限制，AI 也可能重新整理比例與細節。但它可以大幅降低「從照片整理成立面圖解」的前期成本，讓設計師更快進入分析與比較。

目前 ReRoom 在這類街景轉圖面的任務上，仍然需要人工檢查比例、樓層數、開口位置與立面邏輯。不過這個 workflow 讓我們看到一個很實用的方向：AI 不只是生成新建築，也能幫助設計師把既有世界重新整理成可討論、可編輯、可比較的圖面素材。