Computer vision-based analysis of buildings and built environments: A systematic review of current approaches

要約

2011 年から 2021 年までに公​​開された 88 の情報源を分析したこのホワイト ペーパーでは、建物と建築環境のコンピューター ビジョンに基づく分析の最初の系統的レビューを提示し、建築および都市設計研究に対するその価値を評価します。
多段階の選択プロセスに続いて、使用されるアルゴリズムとデータ ソースのタイプが、建物の分類、詳細な分類、質的環境分析、建物の状態調査、建物の価値の見積もりなどの建築アプリケーションに関して説明されます。
これにより、現在の研究のギャップと傾向が明らかになり、研究目的の 2 つの主なカテゴリが強調されます。
まず、建築画像データのコンピューター ビジョン手法を使用または最適化します。これにより、時間のかかる、労力のかかる、または複雑な視覚分析タスクを自動化できます。
第二に、機械学習アプローチの方法論的利点を探り、視覚的、統計的、および定性的なデータ間のパターンと関係を見つけることにより、構築された環境に関する新しい質問を調査します。これにより、従来の手動分析の限界を克服できます。
増え続ける研究は、将来の課題と研究の方向性を特定する論文とともに、建築とデザインの研究に新しい方法を提供します。

要約(オリジナル)

Analysing 88 sources published from 2011 to 2021, this paper presents a first systematic review of the computer vision-based analysis of buildings and the built environments to assess its value to architectural and urban design studies. Following a multi-stage selection process, the types of algorithms and data sources used are discussed in respect to architectural applications such as a building classification, detail classification, qualitative environmental analysis, building condition survey, and building value estimation. This reveals current research gaps and trends, and highlights two main categories of research aims. First, to use or optimise computer vision methods for architectural image data, which can then help automate time-consuming, labour-intensive, or complex tasks of visual analysis. Second, to explore the methodological benefits of machine learning approaches to investigate new questions about the built environment by finding patterns and relationships between visual, statistical, and qualitative data, which can overcome limitations of conventional manual analysis. The growing body of research offers new methods to architectural and design studies, with the paper identifying future challenges and directions of research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google