Selon l'équipe, l'algorithme a le potentiel d'aider les architectes, les urbanistes et les gouvernements municipaux à prendre des décisions éclairées concernant les structures urbaines et à reconstruire les villes après des catastrophes.
"Le logiciel donne des informations difficiles à obtenir en analysant simplement des données géographiques brutes", a déclaré Niloy Mitra, professeur d'informatique à l'Université de Californie à Los Angeles. "Nous espérons que cela aidera les parties prenantes à concevoir des bâtiments et des villes en harmonie avec le style existant."
L'équipe s'est concentrée sur les styles architecturaux de Paris, en identifiant les quartiers distincts et l'essence stylistique qui rend la ville reconnaissable dans le monde entier.
Les chercheurs ont rassemblé une base de données de 23 000 polygones de bâtiments du projet open source OpenStreetMap et en ont étiqueté manuellement 2 000 pour former un modèle d’apprentissage automatique. Les données de formation ont été créées en décomposant chaque façade en segments de ligne simples, puis étiquetées par les experts.
À l'aide de ces données, l'équipe a créé un outil appelé « StyleFormer », un modèle de génération de forme de bâtiment. StyleFormer permet la création d'une nouvelle façade dans un style architectural particulier ou la modification d'une façade existante selon un style architectural cible.
"StyleFormer permet aux parties prenantes d'effectuer une analyse contrefactuelle :elles peuvent envisager des scénarios de type « et si ». Par exemple, elles peuvent modifier la façade d'un bâtiment pour voir si la modification s'aligne mieux avec le style architectural de la zone ou évaluer si la façade d'un bâtiment pourrait paraître plus attrayante si modifié d'une certaine manière", a déclaré Mitra.
