我院建筑系与城规系师生在第29届亚洲计算机辅助建筑设计协会

会议（CAADRIA2024）上发表专题报告

在2024年4月20日至25日，第29届亚洲计算机辅助建筑设计协会（CAADRIA）会议在新加坡科技设计大学成功举行。来自我院建筑系与城规系的师生——李韵琴、张嘉新、谢雨辰（科研助理）和邝哲源（学生）——以“基于全景街景图像的DCNN与ViT在街道视觉步行性的感知差异分析”为题，做了精彩的演讲并得到了专业人士的广泛关注。

本次会议以“加速设计”为主题，激发了建筑界对于如何应对气候危机、数据监控、人工智能挑战、全球冲突、数字权力集中、心理健康恶化以及信息失真等紧迫全球议题的深刻思考。与会者探讨了在这些迅速发展的问题面前，设计应加速以适应变化，还是应减速以确保深思熟虑的解决方案。

在本次CAADRIA会议上，研究团队撰写的论文“Yuchen Xie, Yunqin Li, Jiaxin Zhang, Jiahao Zhang & Zheyuan Kuang (2024). Analysis of Differences in Street Visual Walkability Perception Between DCNN and Vit Model Based on Panoramic Street View Images. CAADRIA2024. Singapore”被会议论文集收录。在提交的541份摘要中，最终有159份全文被接受并发表，接受率为29.4%，此成果标志着我院在计算机辅助建筑设计领域的创新研究成果得到国际认可。

本文的研究成果为：在使用全景街景图像测量城市街道视觉步行感知时，基于深度卷积神经网络（DCNN）的城市街道视觉步行感知分类模型在识别全景图像中的局部特征等方面表现出明显的缺陷。针对这一问题，该研究引入了基于Vision Transformer(ViT) 的城市街道视觉步行感知分类模型，并采用多种方法将其与DCNN 进行性能比较。研究结果表明，与传统的DCNN框架相比，基于ViT架构的城市街道视觉步行感知分类模型可以减轻全景街景图像中的图像失真，同时表现出更高的准确性，与人类的视觉认知更加一致。这项研究的主要贡献在于开发了一个具有增强性能和可解释性的城市街道视觉步行感知分类模型。此外，定性和定量地比较了ViT和DCNN在城市街道视觉步行感知领域的性能差异。

图1：汇报论文首页

图2：科研助理谢雨辰汇报现场

图3：谢雨辰与CAADRIA轮值主席悉尼大学ANASTASIA GLOBA教授现场互动

图4：参会师生在CAADRIA2024新加坡科技设计大学现场合影

  作为全球范围内具有广泛影响力的平台，CAADRIA为专业人士提供了一个交流思想、分享知识和展示创新成果的宝贵机会。展望未来，第30届CAADRIA会议预计将在东京大学举行，预期将吸引更多的国际专家和学者，继续推动计算机辅助建筑设计领域的学术与实践交流。

CAADRIA2024官网及论文集下载：https://caadria2024.org/conference/

摄影：李韵琴、张嘉新

撰稿：张嘉新

审稿：彭金生、黄景勇、王雪强