Использование ИИ в эксперименте распознавания интерьеров квартир. Люди во всем мире окрашивают свои стены в разные цвета, покупают растения, чтобы украсить их интерьеры, и используют различные другие методы украшения, чтобы персонализировать свои дома, что вдохновило группу исследователей на изучение около 50 000 жилых комнат по всему миру.

Используя методы машинного обучения, исследователи смогли проанализировать около миллиона фотографий, чтобы обнаружить декоративные элементы в жилых комнатах по всему миру. Фото: Penn State

В исследовании, в котором использовался искусственный интеллект для анализа элементов дизайна, таких как произведения искусства и цвета стен, на изображениях гостиных, размещенных на популярном веб-сайте по аренде домов Airbnb, исследователи обнаружили, что люди, как правило, следуют культурным тенденциям при оформлении своих интерьеров. В Соединенных Штатах, где у исследователей были экономические данные из переписи населения США, они также обнаружили, что люди в разных социально-экономических кругах прикладывают аналогичные усилия к оформлению интерьера.

«Нам было интересно посмотреть, как украшают другие культуры», — говорит Клио Андрис, доцент географии, Penn State и сотрудник Института кибернауки. «Мы видим карты мира и удивляемся:« Каково это жить там », но мы на самом деле не знаем, каково это быть в жилых комнатах людей и в их домах. Это было похоже на то, как люди во всем мире приглашают нас в свои дома».

Команда исследовала декорации гостиной в 107 городах на шести континентах и ​​в окрестностях шести городов США.

Некоторые регионы, похоже, имеют схожий вкус в дизайне интерьера, говорит Си Лю, докторант по географии, Penn State и ведущий автор исследования. В некоторых случаях то, как эти культуры украшали свои жилые комнаты, соответствовало ожиданиям исследователей, добавил он.

«В Индии и Марокко, например, было много ярких цветов», — сказал Лю. «И, конечно, это не было большим сюрпризом — у нас была идея, что это может иметь место до того, как мы начали исследование, но мы не были уверены, будет ли это так или нет».

По словам исследователей, в Европе, Северной Америке и Южной Америке люди, как правило, демонстрировали больше книг. В гостиных в Европе, особенно в Италии, было много стенных рисунков, которые соответствовали их ожиданиям.

Тем не менее, исследователи, которые опубликовали свои выводы в текущем выпуске EPJ Data Science , были удивлены, когда некоторые культуры продемонстрировали, как их жилые помещения обычно изображают в телевизионных шоу и в туристических брошюрах.

Университет штата Пенсильвания

Фото: Университет штата Пенсильвания

«Нам показалось интересным, что мы нашли много комнатных растений в холодных районах, особенно в Скандинавии», — сказал Андрис. «Мы изначально думали, что в теплых местах будет больше комнатных растений, потому что они будут недорогими, но это было не так. Мы также были удивлены, что многие островные культуры были немного более строгими, чем мы думали изначально. Они не использовали яркие цвета. Интерьеры в таких местах, как, например, Фиджи и Карибские острова, выглядели очень чисто».

В Соединенных Штатах исследователи не обнаружили существенной разницы в наличии декоративных элементов в окрестностях с различными доходами, уровнями безработицы, уровнем образования, стоимостью жилой недвижимости и расовым разнообразием. Они предполагают, что это указывает на то, что американцы предпринимают аналогичные усилия по персонализации своего дома.

Поскольку задача прохождения миллиона изображений, чтобы отметить несколько декоративных элементов, была бы слишком трудоемкой для исследователей, команда использовала глубокое обучение, тип искусственного интеллекта, для обнаружения декоративных предметов, таких как настенные рисунки, растения, книги и краски цветов, на картинках. Тренеры-люди сначала выбирали декоративные элементы на изображениях, чтобы запрограммировать компьютер на распознавание декораций, затем компьютер мог самостоятельно выбирать и классифицировать эти функции.

«Термин для этого — трансферное обучение, но это двухэтапный процесс», — сказал Лю. «Первым шагом является классификация изображений по категориям, таким как гостиные, кухни, спальни, а также наружное пространство. Затем мы используем обнаружение объектов. Программа будет рисовать рамки вокруг объектов в комнатах, таких как настенные рисунки и книги, а затем программа подсчитывает, сколько таких объектов у нас на каждом изображении».

Исследователи проанализировали только жилые комнаты в домах, потому что эти комнаты, скорее всего, отражают вкусы владельцев недвижимости, а не только то, как они продают свои дома на веб-сайте аренды.

«На этих веб-сайтах у вас много фотографий спален — и поскольку они сдают в аренду спальни, мы подумали, что это может быть некоторая предвзятость, потому что владелец захочет украсить их определенным образом, чтобы привлечь гостей», — сказал Лю. «Но мы думали, что гостиная будет более объективной, потому что там живет владелец и, вероятно, постоянно использует пространство».

Исследователи использовали интерфейс прикладной программы — или API — который позволял им получать доступ к большим объемам общедоступных данных, включая изображения, на Airbnb. Они собрали около миллиона геолокационных изображений внутренних пространств с сайта.

Андрис сказал, что исследование также уникально, потому что оно может представлять новые способы для машинного обучения изучать культурные явления.

В будущем исследователи могут рассмотреть другие онлайн-фотоцентры, такие как Craigslist, чтобы лучше ориентироваться на природные декоративные вкусы. Они также могут обучать компьютерную программу обнаружению стилей художественных работ или других значимых объектов, таких как флаги, изображения мировых лидеров или исторические эмблемы.

По материалам phys.org