Algoritmen, sa teamet, har potential att hjälpa arkitekter, stadsplanerare och kommunala myndigheter att fatta välgrundade beslut om stadsstrukturer och hjälpa till att återuppbygga städer efter katastrofer.
"Mjukvaran ger insikter som är svåra att få enbart genom att analysera rå geografiska data", säger Niloy Mitra, professor i datavetenskap vid University of California, Los Angeles. "Vi hoppas att detta kommer att hjälpa intressenter att designa byggnader och städer som är harmoniska med den befintliga stilen."
Teamet fokuserade på de arkitektoniska stilarna i Paris, identifierade distinkta stadsdelar och den stilistiska essensen som gör staden igenkännbar över hela världen.
Forskarna samlade en databas med 23 000 byggnadspolygoner från OpenStreetMap-projektet med öppen källkod och märkte manuellt 2 000 av dem för att träna en maskininlärningsmodell. Utbildningsdata skapades genom att dela upp varje fasad i enkla linjesegment och sedan märkas av experterna.
Med hjälp av dessa data skapade teamet ett verktyg som heter "StyleFormer", en modell för generering av byggnadsform. StyleFormer möjliggör skapandet av en ny fasad i en viss arkitektonisk stil eller modifiering av en befintlig fasad enligt en målarkitektonisk stil.
"StyleFormer låter intressenter utföra kontrafaktiska analyser – de kan föreställa sig "vad om"-scenarier. Till exempel kan de modifiera en byggnads fasad för att se om modifieringen bättre överensstämmer med områdets arkitektoniska stil eller utvärdera om en byggnads fasad kan se mer tilltalande ut om förändrats på ett visst sätt," sa Mitra.
