设计力量
下载贤集网APP入驻自媒体
2021年9月10日消息，大阪大学可持续能源与环境工程系的科学家使用在自定义数据集上训练的生成对抗网络，从建筑立面图像中几乎消除了障碍物。这项工作可能有助于公民规划以及计算机视觉应用。 从城市景观中以数字方式“擦除”不需要的遮挡物体的能力非常有用，但需要大量的计算能力。以前的方法使用标准图像数据集来训练机器学习算法。现在，大阪大学的一组研究人员构建了一个自定义数据集，作为通用框架的一部分，用于从建筑物外墙的图像中自动去除不需要的对象，例如行人、骑手、植被或汽车。使用数字修复替换移除的区域以有效恢复完整视图。 研究人员在开源街景服务中使用了日本关西地区的数据，而不是在城市景观机器学习中常用的传统建筑图像集。然后他们构建了一个数据集来训练对抗性生成网络 (GAN)，以高精度修复遮挡区域。 该团队使用语义分割来检测几种类型的障碍物，包括行人、植被和汽车，并使用 GAN 用背景纹理填充检测到的区域并修补来自街道级图像的信息。他们还提出了一种工作流程，可以从街景图像中自动过滤未受阻挡的建筑立面，并自定义数据集以包含原始图像和蒙版图像，以训练其他机器学习算法。 这种可视化技术为专家和非专家提供了一种交流工具，有助于就未来的城市环境设计达成共识。
