Generalización del Aprendizaje Automático a través de Diferentes Patrimonios Arquitectónicos 3D

El uso de técnicas de aprendizaje automático para la clasificación de nubes de puntos se ha investigado extensamente en la última década en la comunidad geoespacial, mientras que en el campo del patrimonio cultural solo se ha comenzado a explorar recientemente. La alta complejidad y heterogeneidad de los datos patrimoniales 3D, la diversidad de los posibles escenarios y los diferentes propósitos de clasificación que cada estudio de caso puede presentar, dificultan la realización de un gran conjunto de datos de entrenamiento con fines de aprendizaje. Un problema práctico importante que aún no se ha explorado es la aplicación de un único modelo de aprendizaje automático a través de grandes y diferentes conjuntos de datos arquitectónicos. Este artículo aborda este problema presentando una metodología capaz de generalizar con éxito a escenarios no vistos un modelo de bosque aleatorio entrenado en un conjunto de datos específico. Esto se logra buscando las mejores características adecuadas para identificar las clases de interés (por ejemplo, pared, ventanas, techo y columnas).