Los investigadores de U de T Shoshanna Saxe, se fueron, y Alex Olson dice que su enfoque podría ayudar a los planificadores urbanos a comprender mejor las necesidades de recursos de las ciudades y priorizar futuros proyectos de infraestructura. Crédito: Phill Snel
Los investigadores de la Universidad de Toronto han desarrollado un método que utiliza imágenes de inteligencia artificial (IA) y de Google Maps, las imágenes de la vista de calles para obtener información más detallada sobre edificios, como su área de edad y piso.
Estos datos adicionales se pueden utilizar para evaluar el stock de edificios, los flujos de material de construcción y los gases de efecto invernadero incorporados, que son estimaciones de las emisiones generadas por la producción y el transporte de bienes.
El estudio se publica en el Journal of Industrial Ecology.
“Este es el primer artículo que sabemos de dónde la gente tomó una foto que le muestra el frente del edificio y luego predice cosas que no puede ver en la imagen”, dice Shoshanna Saxe, profesora asociada en el Departamento de Ingeniería Civil y Mineral en la Facultad de Ciencias Aplicadas e Ingeniería que dirigió el equipo de investigación a través del Centro para el Medio Ambiente Construido Sostenible.
“Mis motivaciones se centraron mucho en el uso de la investigación de carbono incorporado, pero esto será útil para muchas personas diferentes. He hablado con los investigadores que buscan comprender el uso de agua para futuras evaluaciones de resiliencia”.
Debido a que Google Street View está ampliamente disponible, el método ofrece una forma rentable de generar datos de construcción a gran escala.
“Gastamos quizás $ 1,000 en fotos para obtener datos que de otro modo costarían millones de dólares para obtener”, dice Saxe. “Nadie tiene millones de dólares para gastar en solo construir dimensiones, por lo que esta es la diferencia entre poder trabajar en estos problemas y no. Tener métodos que pueden permitirnos comprender los vecindarios y los edificios a escala es realmente útil”.
El equipo entrenó a la IA para estimar los atributos del edificio basados en imágenes exteriores de la estructura, logrando una precisión del 70% para la predicción de la edad y una precisión del 80% para la predicción del área del piso.
“Ser capaz de evaluar los exteriores permite una especie de suposición educada en los interiores y los tipos de usos que los ocupantes pusieron en la infraestructura local”, dice el coautor Alex Olson, investigador senior de IA en el Centro de Analítica e Ingeniería de Inteligencia Artificial de U of T. “Da una fuerte estimación de los recursos utilizados en la construcción, mantenimiento y operación de los edificios”.
Saxe agrega que las ideas obtenidas a través de su enfoque no pueden derivarse de mapas o planes de construcción solo.
“Necesitas ver estructuras”, dice ella. “Una de las distinciones es que estamos prediciendo cuáles son los pies cuadrados internos del edificio. Y, aunque obviamente esas pistas con el tamaño del exterior del edificio, en realidad es más difícil de predecir. Y tampoco puede ver cuántos años tiene el edificio del exterior.
“Si tienes experiencia, puedes caminar y decir, ese edificio me parece a este viejo, este edificio me parece tan antiguo, y así sucesivamente. Pero hay todo tipo de cosas que lo hacen difícil, incluidas las renovaciones. El frente puede ser diferente de la parte posterior. Y es el ladrillo frontal, el vidrio o es concreto?
El uso de IA para mirar más allá de la construcción de fachadas podría ayudar a los planificadores urbanos a comprender mejor las necesidades de recursos de las ciudades y priorizar futuros proyectos de infraestructura.
“Desea comprender dónde hay recursos o infraestructura infrautilizados en su ciudad”, dice Olson. “Parece que ya deberíamos tener los datos, pero realmente no lo hacemos. Con esto, aunque no modela el futuro, describe con bastante precisión cuál es la situación actual y nos permite usar los datos para planificar nuestros usos de recursos y lo que queremos hacer en el futuro”.
Más información: Weimin Huang et al, Predicción basada en imágenes de los atributos de edificios residenciales con el aprendizaje profundo, Journal of Industrial Ecology (2024). Doi: 10.1111/jiec.13591
Proporcionado por la Universidad de Toronto
Cita: los investigadores usan AI para ‘ver’ más allá de la fachada de una estructura en Google Street View (2025, 22 de mayo) Recuperado el 22 de mayo de 2025 de https://techxplore.com/news/2025-05-ai-facade-google-street-view.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
