이 팀은이 알고리즘은 건축가, 도시 계획가 및 지방 자치 단체가 도시 구조에 대한 정보에 근거한 결정을 내리고 재난 후 도시를 재건하는 데 도움이 될 수있는 잠재력을 가지고 있다고 말했다.
로스 앤젤레스 캘리포니아 대학의 컴퓨터 과학 교수 인 Niloy Mitra는“소프트웨어는 원시 지리적 데이터를 분석하여 간단히 얻기 어려운 통찰력을 제공합니다. "우리는 이것이 이해 관계자들이 기존 스타일과 조화를 이루는 건물과 도시를 설계하는 데 도움이되기를 바랍니다."
이 팀은 파리의 건축 스타일에 중점을 두어 독특한 이웃과 도시를 전 세계로 인식 할 수있게하는 문체 적 본질을 식별했습니다.
연구원들은 Open-Source OpenStreetMap 프로젝트에서 23,000 건의 건물 다각형 데이터베이스를 수집하여 기계 학습 모델을 훈련시키기 위해 2,000 개를 수동으로 표시했습니다. 훈련 데이터는 각 외관을 간단한 라인 세그먼트로 나눈 다음 전문가가 라벨을 붙여 만들어졌습니다.
이 데이터를 사용하여 팀은 빌딩 모양 생성 모델 인 "Styleformer"라는 도구를 만들었습니다. Styleformer를 사용하면 특정 건축 스타일로 새로운 외관을 생성하거나 대상 건축 스타일에 따라 기존 외관을 수정할 수 있습니다.
Mitra는“Styleformer는 반대 활성 분석을 수행 할 수있게 해줍니다. 예를 들어, 시나리오를 구상 할 수 있습니다. 예를 들어, 건물의 외관을 수정하여 수정이 해당 지역의 건축 스타일과 더 잘 일치하는지 여부를 확인할 수 있습니다.
