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

Małgorzata B. Starzyńska, Robin Roussel외 2명|arXiv (Cornell University)|2022. 08. 01.

Urban Design and Spatial Analysis인용 수 7

한 줄 요약

이 체계적 리뷰는 2011~2021년 사이의 건물 및 도시 환경에 관한 컴퓨터 비전 연구 88편을 분석하여, 건축 이미지 분석 작업의 자동화와 기계학습을 활용한 시각적 데이터로부터 새로운 통찰을 도출하는 두 가지 핵심 연구 방향을 규명한다. 연구 결과, 대부분의 연구가 건축 데이터셋에서 알고리즘 성능 향상에 집중하고 있음에도 불구하고, 점점 더 많은 연구가 데이터 통합 및 패턴 탐색을 통해 설계 및 정책 관련 신규 통찰을 도출하기 위해 컴퓨터 비전을 활용하고 있음을 확인하였다.

ABSTRACT

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.

연구 동기 및 목표

• 2011년에서 2021년 사이의 88개 자료를 대상으로 한 체계적 리뷰를 통해 컴퓨터 비전 응용의 현재 상태를 평가한다.
• 컴퓨터 비전 기반의 도시 환경 분석에서의 주요 연구 목표를 식별하고 분류하며, 알고리즘 최적화와 방법론적 혁신을 구분한다.
• 전통적인 수작업 방법을 초월하여 대규모 데이터 기반의 건축 및 도시 분석을 가능하게 하는 컴퓨터 비전의 방법론적 이점과 한계를 평가한다.
• 건축 연구에서 시각적 데이터와 비시각적 데이터 소스 간의 통합, 데이터 품질, 상호운용성, 재현 가능성과 관련된 연구 격차를 제시한다.
• 컴퓨터 비전의 신뢰성과 실생활 적용 가능성을 강화하기 위해 향후 다학제적 연구를 이끄는 방향을 제안한다.

제안 방법

• PRISMA 지침을 따르는 다단계 체계적 문헌 리뷰를 수행하여 총 1,234건의 初기 기록 중 88건의 관련 연구를 선정하였다.
• 연구 목표에 따라 연구를 분류하였으며, 64%는 건축 이미지 데이터셋에서 기계학습 알고리즘의 테스트 또는 개선에 집중하였고, 36%는 컴퓨터 비전을 활용해 건축 또는 도시 설계의 새로운 질문에 답하고자 하였다.
• 데이터 소스(예: 스트리트 뷰, 항공사진, EPC, OpenStreetMap), 알고리즘 유형(예: 객체 탐지, 세그멘테이션, 분류), 적용 분야(예: 건물 상태, 가치 평가, 형태학적 특성)를 분석하였다.
• 비시각적 데이터(예: 인구통계, 사회경제적, 환경 통계)와의 통합을 평가하여 방법론적 혁신 잠재력을 점검하였다.
• 커뮤니티 기반 및 개방형 데이터셋에서의 데이터 품질, 메타데이터 정확도, GPS 정밀도, 레이블 신뢰성 등의 문제를 규명하였다.
• 공동 평가 프레임워크를 제안하고, 재현 가능성을 향상시키고 다학제적 협력을 촉진하기 위해 구현 및 데이터 공유의 투명성을 강조하였다.

실험 결과

연구 질문

• RQ1 2011년에서 2021년 사이의 건물 및 도시 환경에 대한 컴퓨터 비전 기반 분석에서 지배적인 연구 목표는 무엇인가?
• RQ2 현재 컴퓨터 비전 방법은 건물 분류나 상태 조사와 같은 전통적인 건축 및 도시 설계 분석 작업을 어떻게 지원하거나 변화시키는가?
• RQ3 기계학습 기법은 수작업 분석으로는 접근할 수 없는, 시각적, 통계적, 정성적 데이터 간의 새로운 패턴이나 관계를 어떻게 밝혀낼 수 있는가?
• RQ4 컴퓨터 비전의 도입을 저해하는 데이터 상호운용성, 정확도, 재현 가능성과 관련된 주요 과제는 무엇인가?
• RQ5 시민 데이터, 부동산 데이터, 환경 데이터 등 비시각적 데이터와 어떻게 의미 있는 방식으로 시각적 데이터를 통합하여 도시 및 건축 설계 의사결정을 향상시킬 수 있는가?

주요 결과

• 검토된 연구 중 64%는 건축 이미지 데이터셋에서 기계학습 알고리즘의 테스트 또는 개선에 집중하여 방법론적 정교화에 대한 강한 중시를 보였다.
• 36%의 연구는 시각적 특징과 사회공간적 또는 통계적 데이터 간의 관계를 탐색하여 도시의 고급화나 부동산 가치 평가 등 새로운 통찰을 도출하기 위해 컴퓨터 비전을 활용하였다.
• 기존의 이미지 데이터셋은 종종 충분한 맥락과 메타데이터를 결여하고 있으며, GPS 좌표와 커뮤니티 기반 레이블의 정확도와 신뢰성이 일관되지 않은 편이다.
• 주요 과제 중 하나는 시각적 데이터와 다른 데이터 유형 간의 상호운용성인데, 특히 지리정보시스템과 행정 데이터베이스 간에 도시 환경 구성 요소의 분류 방식에 일관성이 없기 때문이다.
• 재현 가능성 문제가 여전히 우려되며, 많은 연구에서 구현 세부사항이 투명하지 않고 공개된 데이터셋이 부족하여 검증 및 분야 내 발전이 제한된다.
• 향후 연구는 시민 데이터, 건물 연령, 사회경제 지표 등 비시각적 데이터와의 통합을 우선시하여 도시 및 건축 설계 분야에서 더 종합적이고 정책적 영향을 가진 분석을 가능하게 해야 한다.