Algoritmen, sagde holdet, har potentialet til at hjælpe arkitekter, byplanlæggere og kommunale myndigheder med at træffe informerede beslutninger om bystrukturer og hjælpe med at genopbygge byer efter katastrofer.
"Softwaren giver indsigt, som er svær at opnå blot ved at analysere rå geografiske data," sagde Niloy Mitra, professor i datalogi ved University of California, Los Angeles. "Vi håber, at dette vil hjælpe interessenter med at designe bygninger og byer, der er harmoniske med den eksisterende stil."
Holdet fokuserede på de arkitektoniske stilarter i Paris og identificerede særskilte kvarterer og den stilistiske essens, der gør byen genkendelig over hele verden.
Forskerne samlede en database med 23.000 byggepolygoner fra open-source OpenStreetMap-projektet og mærkede manuelt 2.000 af dem for at træne en maskinlæringsmodel. Træningsdataene blev skabt ved at bryde hver facade ned i simple linjesegmenter og derefter mærkes af eksperterne.
Ved hjælp af disse data skabte teamet et værktøj kaldet "StyleFormer", en model til generering af bygningsform. StyleFormer muliggør skabelsen af en ny facade i en bestemt arkitektonisk stil eller ændring af en eksisterende facade i henhold til en målarkitektonisk stil.
"StyleFormer giver interessenter mulighed for at udføre kontrafaktiske analyser – de kan forestille sig 'hvad nu hvis'-scenarier. For eksempel kan de modificere en bygnings facade for at se, om ændringen bedre stemmer overens med områdets arkitektoniske stil eller vurdere, om en bygnings facade kan se mere tiltalende ud, hvis ændret på en bestemt måde," sagde Mitra.
Sidste artikelTidsserier af infrarøde NASA-billeder viser cyklonen Evans tilbagegang
Næste artikelComet Pan-STARRS:Hvor lyst bliver det?