Architectural Heritage Recognition with Deep Learning: An ANN and CNN Approach

歴史はしばしば石に刻まれて残りますが、何世紀もの間、その石に刻まれた物語を理解することは、人間の目のゆっくりとした丁寧な作業に依存してきました。歴史家や建築家が遠い過去の建造物を見る際、その建物が時代の中でどのような位置を占めているかを理解するためには、それがゴシック時代のそびえ立つアーチなのか、あるいは古代ペルシャの複雑な柱なのかといった、その様式を特定しなければなりません。この手作業によるプロセスは、時間がかかるだけでなく、アーカイブに散らばる数千もの画像に直面した際、規模を拡大することが困難です。独特の質感、形状、素材を持つこれらの構造物の視覚的な複雑さは、それらを体系的に整理することを難しくしています。近年、ディープラーニングとして知られるコンピュータサイエンスの一分野が、この問題に取り組むための新しい方法を提示しています。これらのシステムは、人間の脳が経験から学ぶのと同様に、データから学習するように設計されており、人間が効率的に分類するにはあまりに微細であったり、あるいは多すぎたりする可能性のある画像内のパターンを認識することができます。コンピュータに、ある建物の時代を定義する特定の詳細を「見る」ことを教えることで、研究者たちは、私たちの共有する建築遺産を自動的にカタログ化し、保存するためのツールを生み出したいと考えています。

最近の研究において、マネジメント・アンド・テクノロジー大学のマジド・アリ・ベイとサラ・アバスの研究者たちは、そのようなツールを構築することを目指しました。彼らは、歴史的建造物の画像を正しい建築様式へと自動的に分類するという課題に焦点を当てました。これを行うために、彼らは畳み込みニューラルネットワークと呼ばれる一種の人工知能に基づいたコンピュータプログラムを開発しました。このネットワークは、画像を見て、単純な線や形から始まり、特定の様式を定義する複雑なパターンへと徐々に構築していくように、特徴のレイヤーへと分解していくデジタルシステムと考えることができます。チームは、オンラインで利用可能な歴史的建造物の写真の膨大なコレクションから開始しました。これには、25種類の異なる建築様式を表す画像が含まれていました。彼らの初期実験では、システムをテストするために4つの明確な様式を選択しました。それは、古代のアケメネス様式、中世のゴシック様式、現代のデコンストラクティビズム（脱構築主義）様式、そして装飾的なアール・ヌーヴォー様式です。

研究者たちはまず、コンピュータが読み取れるように画像を準備しました。彼らは、形状と構造に純粋に焦填させるために、すべての写真をグレースケール画像に変換して色を除去し、すべてを256×256ピクセルの均一なサイズにリサイズしました。この標準化により、コンピュータが異なる画像サイズや色の変化によって混乱することなく、「リンゴとリンゴを比較する（同等のものを比較する）」ことができるようにしました。次に、これらの処理された画像を、独自に構築したニューラルネットワークに投入しました。システムは、各画像から最も重要な詳細を抽出するために連携して機能する、いくつかのレイヤーを備えて設計されました。システムは、ノイズや無関係な詳細に惑わされることなく正しいパターンを学習できるように、数学的な手法を用いて異なる特徴の重要性を調整しました。システムを最大限に効果的にするために、研究者たちは自動化されたツールを使用して、コンピュータが最も速く、かつ正確に学習できる完璧なパラメータの組み合わせを探索しながら、何千もの異なる設定をテストしました。

結果は、コンピュータがこれらの複雑な建築様式を識別することを実際に学習できることを示しました。データの学習後、システムは高い精度を達成し、学習フェーズにおいて大多数のケースで建物の様式を正しく特定しました。見たことのない新しい画像に対してテストを行った際も、システムは強力なパフォーマンスを維持し、約85パーセントのケースで建築様式を正しく分類しました。研究者たちはまた、正解した頻度と正解を見逃した頻度の両方を見る特定の指標を用いて、システムの性能を測定しました。システムは、多くの間違いを犯すことなく正しい様式を見つけ出すバランスの取れた能力を示し、様式の間の視覚的な違いに対する確かな理解を反映したスコアを記録しました。しかし、この研究はシステムが完璧ではないことも明らかにしました。システムは時折、ゴシック様式とロマネスク様式を混同しており、これは一部の建築的特徴があまりに似通っているため、高度なコンピュータモデルであってもそれらを区別することに苦慮する場合があることを示唆しています。

この研究は、ディープラーニングが歴史家や保存活動家の強力な助手となり得ることを証明しています。何千もの建物の画像を初期段階で自動的に分類することにより、このシステムは、人間よりもはるかに速く膨大な建築記録のコレクションを整理するのに役立ちます。研究者たちは、彼らのアプローチは拡張可能であり、テストした4つの様式だけでなく、データセットにある全25種類の様式を扱うように拡張できると指摘しました。現在のモデルは重要な前進ですが、著者たちは、まだすべきことが残されていることも認めています。将来の取り組みは、より多くの様式を扱えるようにシステムを洗練させ、非常に似通った建築時期を区別する能力を向上させることに焦点が当てられるでしょう。現時点において、この研究は、コンピュータが歴史の視覚的言語を認識することを教えられることを証明しており、私たちを取り巻く築かれた遺産を記録し、理解するための新しい方法を提示しています。