ArchiLense：基于视觉大型语言模型的建筑风格定量分析框架
计算机视觉与模式识别
2025-08-05 v3 人工智能
摘要
不同地区的建筑文化以风格多样性为特征，这些风格受历史、社会、技术背景以及地理条件的影响。理解建筑风格需要能够通过对建筑图像的视觉观察，描述和分析不同建筑师从不同地区所展现的风格特征。然而，传统的建筑文化研究主要依赖主观的专家解释和历史文献回顾，往往受地域偏见影响，解释范围有限。为此，本研究提出了三个核心贡献：(1) 我们构建了一个名为 ArchDiffBench 的专业建筑风格数据集，包含 1,765 张高质量的建筑图像及其对应的风格注释，数据来源于不同地区和历史时期。(2) 我们提出 ArchiLense，一个基于视觉语言模型的分析框架，构建于 ArchDiffBench 数据集之上。通过整合先进的计算机视觉技术、深度学习和机器学习算法，ArchiLense 实现了对建筑图像的自动识别、比较和精确分类，生成能够阐述风格差异的描述性语言输出。(3) 广泛的评估表明，ArchiLense 在建筑风格识别方面表现突出，与专家注释一致率达 92.4%，分类准确率达 84.5%，有效捕捉了图像间的风格差异。该方法超越了传统分析方法中固有的主观性，为建筑文化比较研究提供了更客观、准确的视角。
引用
@article{arxiv.2506.07739,
title = {ArchiLense: A Framework for Quantitative Analysis of Architectural Styles Based on Vision Large Language Models},
author = {Jing Zhong and Jun Yin and Peilin Li and Pengyu Zeng and Miao Zang and Ran Luo and Shuai Lu},
journal= {arXiv preprint arXiv:2506.07739},
year = {2025}
}