近日，beat365王毅教授團隊在國際建築科學領域核心學術刊物《Automation in Construction》，發表題為《Machine Intelligence for Interpretation and Preservation of Built Heritage》（基于機器智能的建成遺産的解析與保護）的研究論文。

該論文系統梳理了建成遺産保護領域中采用的主流機器學習模型及其應用場景，在分析既有應用模式不足之後，提出通過多模态機器學習模型，解析建成遺産複合尺度特征的理想應用路徑。

近年來随着數字化技術的發展，通過數字化工具描述和解析建成遺産的文化信息和保護價值，成為建築學和遺産保護界關注的焦點。然而，由于既有數字化手段在處理多視角、大信息量的建成遺産圖像（如照片、衛星影像、航拍影像、三維點雲）時，往往難以全面準确提取其在複合尺度的綜合特征，因此，多模态機器學習模型因其強大的數據處理能力和自主疊代的特征提取能力，被引入建成遺産的保護研究中。

該文核心綜述包含兩部分。第一部分的綜述文獻基于計算機或統計學領域的頂級國際會議，包括但不限于CVPR、ICLR、ACL、ICCV、NeurIPS、AAAI、CACML，以及相關的開創性書籍，系統總結了經典和先進的機器學習模型，并剖析其疊代優化網絡的具體反饋機制；第二部分的綜述文獻基于建築學和遺産保護領域的同行評議論文，搜索的文獻平台包括但不限于Scopus、Web of science、Google scholar，歸納了相關模型在1）量化形式特征、2）解析地理人文成因、3）制定實踐性保護策略，三個場景中的既有應用模式。具體如圖1所示。

圖1 既有模型的三個應用場景分析

基于以上論述，該文認為建成遺産機器學習的相關研究在1）量化提取建成遺産形式特征、2）将點雲作為理想的建成遺産數字載體以及3）形成機器自主決策的建成遺産保護路徑三個方面，仍需要改進和提升，并指出在取得上述改進後，可形成如圖2所示的理想應用路徑。

圖2 多模态機器學習模型解析和保護建成遺産的理想應用路徑

該研究具有重要的理論和實踐意義，其主要貢獻在于推動建成遺産保護方法論的進步，為相關領域的研究者提供基于人工智能的視角和框架，使研究者和決策者能夠更加規範地應用相關模型，保護和傳承建成遺産的核心信息與價值。

論文DOI：https://doi.org/10.1016/j.autcon.2025.106055

全文鍊接：https://www.sciencedirect.com/science/article/pii/S0926580525000950

團隊介紹：beat365長聘教授王毅為該論文的通訊作者和指導教師，博士生祖曉屹為第一作者。近年來王毅教授團隊緻力于通過機器學習等可量化方法，解析傳統村落的多維度特征，并應用于川西北藏羌地區的傳統村落的研究和保護。團隊近兩年的相關論文成果還有：《Towards Religious Landscape: Protection of Tibetan Buddhist Heritage in Aba Prefecture》（邁向宗教景觀：阿壩州藏傳佛教遺産的保護）；《Interpreting Regional Characteristics of Tibetan-Qiang Houses in Northwestern Sichuan by Deep Learning and Image Landscape》（利用深度學習和圖像景觀解讀川西北藏羌民居的地域性特征）（以上兩篇發表于《International Journal of Applied Earth Observation and Geoinformation》刊物）；《山區地形起伏度與村落空廢關系分析——以理縣為例》；《Survey of Built Environment in the Era of UAV from Aerial Photogrammetry to Point Cloud Classification》（無人機時代的建成環境調查：從航測攝影到點雲分類）等。