Wetenschap
Het algoritme heeft volgens het team het potentieel om architecten, stedenbouwkundigen en gemeentelijke overheden te helpen weloverwogen beslissingen te nemen over stadsstructuren en om steden na rampen te helpen herbouwen.
"De software geeft inzichten die moeilijk te verkrijgen zijn door simpelweg ruwe geografische gegevens te analyseren", zegt Niloy Mitra, hoogleraar computerwetenschappen aan de Universiteit van Californië, Los Angeles. "We hopen dat dit belanghebbenden zal helpen gebouwen en steden te ontwerpen die harmonieus zijn met de bestaande stijl."
Het team concentreerde zich op de architecturale stijlen van Parijs, waarbij verschillende buurten en de stilistische essentie werden geïdentificeerd die de stad over de hele wereld herkenbaar maakt.
De onderzoekers verzamelden een database van 23.000 gebouwpolygonen uit het open-source OpenStreetMap-project en labelden er 2.000 handmatig om een machinaal leermodel te trainen. De trainingsgegevens zijn tot stand gekomen door elke gevel op te delen in eenvoudige lijnsegmenten en vervolgens door de experts van een label te voorzien.
Met behulp van deze gegevens creëerde het team een tool genaamd "StyleFormer", een model voor het genereren van bouwvormen. StyleFormer maakt het mogelijk een nieuwe gevel in een bepaalde bouwstijl te creëren of een bestaande gevel aan te passen aan een beoogde bouwstijl.
"StyleFormer stelt belanghebbenden in staat contrafeitelijke analyses uit te voeren - ze kunnen zich 'wat als'-scenario's voorstellen. Ze kunnen bijvoorbeeld de gevel van een gebouw aanpassen om te zien of de aanpassing beter aansluit bij de architectonische stijl van het gebied, of evalueren of de gevel van een gebouw er aantrekkelijker uit zou kunnen zien als op een bepaalde manier veranderd”, zei Mitra.
Wetenschap © https://nl.scienceaq.com