Aprendizagem de máquina para a conservação do patrimônio arquitetônico

Propósito A documentação precisa de edifícios históricos danificados ou destruídos para proteger o patrimônio cultural está na agenda da arquitetura há muitos anos. Nesse sentido, este estudo utiliza aprendizado de máquina (ML) para prever partes faltantes/danificadas de edifícios históricos no âmbito das tumbas otomanas iniciais. Método Este estudo utiliza redes adversariais generativas condicionais (cGANs), um subconjunto de ML, para prever partes faltantes/danificadas de edifícios históricos dentro do escopo das tumbas otomanas iniciais. Este artigo discute que utilizar GAN como um quadro de ML é um método eficiente para estimar partes faltantes/danificadas de edifícios históricos. O estudo usa os desenhos de planta de quase 200 edifícios históricos, que foram preparados um a um como um conjunto de dados para o processo de ML. Resultados O estudo contribui para o campo ao (1) gerar uma estrutura metodológica mista, (2) validar a eficácia da estrutura proposta na restituição de edifícios históricos e (3) avaliar a dependência contextual dos dados gerados. O artigo oferece insights sobre como ML pode ser utilizado na conservação do patrimônio arquitetônico. Sugere que o uso de um conjunto de dados abrangente no processo pode ser altamente eficaz para obter resultados bem-sucedidos. As descobertas da pesquisa serão uma referência para novos estudos sobre a conservação do patrimônio cultural com ML e farão uma contribuição significativa para a literatura. Limitações/implicações de pesquisa Um resultado confiável foi obtido em relação à interpretação dos dados documentados e à geração de dados faltantes em nível macro. A estrutura é notavelmente eficaz quando se trata da identificação e regeneração de componentes arquitetônicos faltantes, como paredes, cúpulas, janelas, portas, etc., em nível macro, sem detalhes. Por outro lado, a estrutura metodológica proposta não está pronta para etapas avançadas de restituição, uma vez que cada caso de patrimônio arquitetônico é muito detalhado e único. Portanto, a estrutura proposta para a regeneração de componentes faltantes de edifícios patrimoniais é limitada à forma geométrica básica, o que significa que os detalhes arquitetônicos dos componentes mencionados, incluindo ornamentos, materiais, identificação de camadas de construção, etc., não estão cobertos. Originalidade/valor A literatura genérica sobre modelos de ML usados em arquitetura consiste, em sua maioria, na exploração de design e geração de plantas baixas/disposições urbanas. Estudos mais específicos na conservação do patrimônio arquitetônico utilizando ML focam principalmente no reconhecimento de componentes arquitetônicos em dados de nuvem de pontos 3D (1) ou na detecção de danos superficiais de edifícios patrimoniais (2). No entanto, propomos uma estrutura metodológica mista para a interpretação de dados arquitetônicos documentados e a regeneração de partes faltantes de edifícios históricos. Além disso, a metodologia e os resultados deste artigo constituem um guia para pesquisas futuras sobre ML e, consequentemente, contribuem para que arquitetos nas fases iniciais de restituição.