گسترش سریع شهرنشینی در دهه‌های اخیر، منجر به ظهور سبک‌های گوناگونی در نمای ساختمان‌ها شده که با محیط اطراف خود همخوانی ندارند. هدف این پژوهش، ارائه یک مدل طراحی برای نما است که با الهام از الگوهای گذشته؛ معماری برای امروز پدید آورد. بنابراین، بر رویکردی چندمنظوره و داده‌محور استوار است. برای انجام وظیفه ترجمه تصویر به تصویر از ویژگی‌های شبکه یادگیری عمیق مانند پیکستوپیکس و نیز از شبکه مولد تخاصمی شرطی(سی‌گن) به‌عنوان اصلی‌ترین الگوریتم استفاده شده است. جهت تحقق آن، نخست مجموعه‌ی داده‌ای شامل150 تصویر نمای تاریخی از کرانه‌ی دریای مازندران، جمع‌آوری و برچسب‌گذاری شد. ضمن آن‌که این بانک داده، پیش‌تر موجود نبوده است. در این راستا، تصاویر نمای بناها به‌عنوان ورودی، به‌منظور آموزشِ شبکه عصبی کانولوشنال عمیق و جفت‌شدن با الگوریتم پیکستوپیکس تهیه شد تا در نهایت برای طراحی نمای جدید به‌کار گرفته شود. در این رویکرد، امکان ترجمه تصویر نما به تصویر تخمینی فراهم می‌آید تا علاوه بر حفاظت از الگوهای با ارزشِ تاریخی، قابلیت تولید طرح‌های معماری را برای نما نیز فراهم کند. در نهایت عملکرد آن مورد ارزیابی قرار می‌گیرند تا خروجی‌های مدل با نماهای واقعی تطبیق داده شوند و اثربخشی مدل در بهینه‌سازی نماهای تاریخی مورد تحلیل قرار گیرند. همچنین، یک مسیر فنی قابل تکرار برای خلق یک معماری منسجم در طراحی نما برای معماران فراهم شود.
