チームによると、このアルゴリズムは、建築家、都市計画者、および市政府が都市構造について情報に基づいた決定を下し、災害後の都市の再建を支援するのを支援する可能性があると述べた。
「このソフトウェアは、生の地理的データを分析するだけで簡単に入手するのが難しい洞察を提供します」と、ロサンゼルス校のコンピューターサイエンス教授であるNiloy Mitraは述べています。 「これが、利害関係者が既存のスタイルと調和した建物や都市を設計するのに役立つことを願っています。」
チームは、パリの建築スタイルに焦点を当て、明確な近所と世界を認識できる文体的な本質を特定しました。
研究者は、オープンソースのOpenStreetMapプロジェクトから23,000個の建物ポリゴンのデータベースを収集し、2,000個を手動でラベル付けして、機械学習モデルをトレーニングしました。トレーニングデータは、各ファサードを単純なラインセグメントに分解し、専門家がラベル付けすることによって作成されました。
このデータを使用して、チームは建物の形状生成モデルである「StyleFormer」と呼ばれるツールを作成しました。 StyleFormerは、特定の建築スタイルで新しいファサードを作成したり、ターゲットアーキテクチャスタイルに従って既存のファサードを変更したりできます。
「Styleformerは、利害関係者が反事実的分析を実行できるようにします。たとえば、「もしあれば」シナリオを想像できます。たとえば、建物のファサードを変更して、修正が地域の建築スタイルとより良い整合性を確認したり、建物のファサードがより魅力的に見えるかどうかを確認することができます」とMitra氏は述べています。
