使用街景图像评估人类对建筑外观的感知

新加坡国立大学等Build Environ发文！使用街景图像评估人类对建筑外观的感知 建筑外观深刻影响着城市的视觉景观，塑造了城市形象和城市生活质量。传统的建筑立面感知与美学质量评价方法通常局限于一定的范围。尽管近年来一些研究试图理解人类对城市街景的感知，我们对个体如何在更广泛的尺度上感知建筑外观及其对整体街景体验的影响仍然了解甚少。在本研究中，我们结合了传统的基于问卷调查的评价框架与机器学习技术，对来自新加坡、旧金山和阿姆斯特丹的超过25万张建筑图像的人类感知进行分析。具体而言，深度学习模型基于六种感知属性（复杂性、原创性、有序性、愉悦性、无聊感和风格）对1200张建筑图像进行训练，模型的准确率超过72%。这种新颖的方法使得跨区域的建筑外观自适应和比较分析成为可能，揭示了建筑外观感知的空间模式及其与功能、年代和位置的关系。此外，通过应用倾向得分匹配方法基于图像特征进行匹配，我们首次对建筑对街景感知的影响进行了探讨。研究结果显示，建筑带有更高复杂性、愉悦性和历史氛围的街景更容易引发积极的感知，而现代化和单调的外观则往往会引发“无聊”和“压抑”的整体感受。这些发现为建筑师和城市规划者提供了宝贵的见解，帮助他们理解公众对城市建筑外观的情感及其对城市身份与感知的影响。 本研究旨在拓宽我们对大规模城市环境中人们对建筑感知的理解，比较不同城市中建筑外观的空间分布，并探讨建筑外观如何影响人们对整体街景的感知。通过本研究，我们力求解答以下研究问题（RQ）： - RQ1: 如何有效利用机器学习在详细且可扩展的方式中描述和比较建筑外观？- RQ2: 在不同类型建筑外观构成的城市中，人们的感知有何差异？- RQ3: 建筑外观在多大程度上影响了人们对城市街景的整体感知？