IA arquitectura

Reconstrucción virtual del Patrimonio Arquitectónico mediante inteligencia artificial

Aunque nuestra experiencia en el campo de la aplicación de la IA en el mundo de la arquitectura es limitada, llevamos varios años desarrollando un proyecto de investigación en el que estamos obteniendo unos resultados sorprendentes. En 2019, la escuela de Arquitectura de la Universidad Francisco de Vitoria, junto con un equipo de ingenieros de la computación (CEIEC, UFV), inició un trabajo de exploración (proyecto ARQGAN-ARCHER*) para investigar la reconstrucción virtual de edificios históricos. La hipótesis o pregunta inicial era si podríamos entrenar una red neuronal para reconstruir una ruina identificando los elementos faltantes atendiendo al lenguaje arquitectónico de la estructura original. Es decir, si podríamos ser capaces de diseñar un sistema de IA para predecir el estado original de un edificio histórico en ruinas atendiendo a los patrones que determinan el estilo arquitectónico en el que se enmarca.

Pero ¿podemos predecir cómo era un edificio en su origen? A priori, lo más prudente es decir que no. La arquitectura es terriblemente anárquica con la estrategia de inserción en un lugar, con la adecuación a unas necesidades particulares y con la forma con la que se reviste de un lenguaje arquitectónico concreto. Esto hace que todos los edificios de la historia de la arquitectura sean diferentes; todos y cada uno de ellos. Por otro lado, el devenir de los edificios es ciertamente caótico y, en la mayoría de los casos, difuso. Las diversas reconstrucciones, reparaciones, modificaciones, restauraciones, adaptaciones y añadidos han supuesto una transformación de tal calibre que, para los edificios con más de doscientos años de antigüedad, es muy difícil dirimir qué parte es original y qué parte es un añadido. ¿Cómo podemos saber cuáles son las trazas originales de una iglesia románica del siglo XII, que ha sido reformada en el siglo XIII después de un incendio? Por lo tanto, la circunstancia que rodea el diseño del edificio y el devenir de este nos sugieren que realizar una predicción de un estado original es una tarea prácticamente imposible.

Siguiendo con la disertación ¿cómo es posible que reconozcamos un estilo arquitectónico enmarcado en una época y en una región? Esto es muy interesante porque, por un lado, es cierto y podemos hacerlo, y, por otro lado, así lo demuestra la historiografía de la arquitectura, que se dedica precisamente a esto. Viendo los edificios del pasado somos capaces de percibir cierta “compacidad” en los diseños arquitectónicos de un determinado lugar o región, en una determinada época o periodo. En muchos casos, no nos hace falta Carbono-14 para reconocer e identificar con precisión una lógica constructiva y estética, propia de un estilo concreto del pasado. Dicha lógica está presente cuando se diseña la estructura original y, por lo tanto, determina su aspecto, haciéndola semejante a otros edificios similares que reconocemos en un grupo estilístico. Por lo tanto, siempre ha existido una “manera de pensar y diseñar” propia de cada momento y de cada lugar, que hace reconocible e identificable una cultura arquitectónica especifica y diferente del resto. Esto ocurre también ahora, pero nos falta perspectiva para verlo.

El proyecto ARQGAN (acrónimo de Arquitectura y redes GAN) es la matriz de una serie de subproyectos que indagan sobre las cuestiones planteadas. A partir de este proyecto se han conseguido publicaciones**, comunicaciones en congresos*** y varios reconocimientos****. El proyecto ARCHER (acrónimo de Architecture y Heritage) es un subproyecto de ARQGAN que introduce la tecnología de Procesamiento de Lenguaje Natural (PLN) para mejorar la respuesta de la red neuronal. ARCHER nace de la consecución de un proyecto financiado en la convocatoria de investigación estatal impulsada por el Ministerio de Ciencia e Innovación (MICINN, PID2021-126633NA-I00) y cofinanciado por la Unión Europea. Este proyecto se realiza en colaboración con el Dipartimento di Storia, Disegno e Restauro dell’architettura de la Sapienza Università di Roma.

El proyecto ARQGAN propuso como solución una nueva aproximación en la reconstrucción virtual de edificios en ruinas mediante el análisis de imágenes y lo que se conoce como “virtual image inpainting”. Usando Redes Generativas Antagónicas (Generative Adversarial Networks, GAN), una arquitectura neuronal de aprendizaje semi-supervisado, se lleva a cabo la restauración virtual de imágenes de paisajes artificiales que contienen restos arquitectónicos. La red identifica características clave determinadas por la lógica interna del estilo arquitectónico que denotan las ruinas y añade los elementos arquitectónicos que faltan para obtener una imagen del edificio restaurado. A diferencia de otros estudios, no recibe ninguna información sobre qué elementos deben añadirse ni dónde. La técnica de “virtual inpainting restoration” desarrollada por nosotros es capaz de representar la envoltura de un edificio, pero también integra aspectos particulares del edificio relacionados con el lenguaje arquitectónico utilizado para su diseño. La restauración de las partes fundamentales del estilo arquitectónico fue coherente, y los resultados se evaluaron con métricas objetivas y mediante una encuesta subjetiva entre académicos y arquitectos.

Sin embargo, los recientes avances en creación de imágenes con técnicas de Deep Learning abren la puerta al uso de información textual para la mejora del proceso de síntesis. Tener un sistema inteligente que genera fotos artificiales a partir de una descripción es algo posible desde hace algunos años, y a medida que el tiempo avanza, los resultados son más espectaculares. La tecnología de Dall-e o ChatGPT (que nosotros utilizamos en este proyecto) crea imágenes a partir de leyendas de texto para una amplia gama de conceptos expresables en lenguaje natural y que no necesariamente tienen existencia en el plano real.

ARCHER se centra en la generación de imágenes usando modelos de Procesamiento de Lenguaje Natural (Natural Processing Language, NPL) de forma que, usando una entrada de texto introducida por un usuario, se genere la imagen de un edificio singular del patrimonio arquitectónico. En este proyecto se implementará un modelo neuronal de NPL denominado transformer combinado con un modelo generativo (GAN), para generar imágenes de edificios reconstruidos a partir de un texto con su descripción proporcionada por el usuario. La red transformer deberá ser capaz de extraer la información más relevante del texto y adaptarla para introducirla en la red GAN, que estará basada en el modelo ARQGAN desarrollado anteriormente.

El desarrollo del modelo NPL deberá necesariamente de hacer uso de una taxonomía que catalogue y clasifique los elementos estructurales o componentes individuales de la arquitectura usada como caso de estudio. Una taxonomía dependiente del dominio consiste en una lista de categorías y sus relaciones y servirá para identificar en la imagen los elementos existentes y permitir que la red generadora añada los elementos faltantes o complete los que se encuentren incompletos, devolviendo así la imagen de un edificio íntegro con todos sus elementos convenientemente ubicados y relacionados entre sí.

Desconocemos qué nos deparará el futuro. La inteligencia artificial propone un campo de exploración amplio y fértil, pero además puede servir para repensar muchos de los procedimientos y metodologías que, como en el caso de la restauración virtual, no han cambiado sustancialmente con las nuevas tecnologías. El tiempo nos dirá.

* Más información sobre el proyecto ARQGAN-ARCHER.

** Destacamos entre otras: “ARQGAN: An evaluation of generative adversarial network approaches for automatic virtual inpainting restoration of Greek temples”.

*** En el congreso REAACH-ID 2022 (Representation for Enhancement and management through Augmented reality and Artificial intelligence: Cultural Heritage and Innovative Design), celebrado el 11 y 12 de octubre de 2022, presentamos la comunicación: “Ricostruzione automatica di edifici storici mediante deep learning. Analisi critica di un cambiamento di paradigma” en la que expusimos el cambio de paradigma de la reconstrucción virtual mediante los avances de IA.

**** Destacamos entre otros el Premio Ametic Artificial Intelligence Summit 2022.

Equipo de investigación: Emilio Delgado-Martos (Investigador Principal, Arquitectura, UFV), Álvaro José García Tejedor (Investigador Principal, CEIEC, UFV), Alberto Nogales Moyano (CEIEC, UFV), Ana Maitín López (CEIEC, UFV), Giovanni Intra Sidola (Arquitectura, UFV), Carlos Pesqueira Calvo (Arquitectura, UFV), Laura Carlevaris (Arquitectura, Sapienza Università di Roma), Eduardo Arroyo Vega (Diseño, UFV), Susana Bautista Blasco (Ing. Informática, UFV), Marta Bravo (Arquitectura, PDI ARCHER, UFV, 2023), Carola Díaz de Lope-Díaz (Arquitectura, UFV, 2020), Cruz Galindo López (Arquitectura, UFV, 2020), Ángel Melchor (Beca CEIEC, UFV, 2020), Ignacio Barrera (Beca Arquitectura, UFV, 2020, 2022), Enrique Ruiz (Beca CEIEC, UFV, 2021-2022), Gabriel Furnieles (Beca CEIEC, UFV, 2022-2023).

IA arquitectura

Créditos fotografía: Vista imaginaria de la galería del Louvre como una ruina (1796), Robert Hubert.
Share

Emilio Delgado Martos (27/05/2019) Emilio Delgado Martos es arquitecto (ETSAM 2001) y doctor en Humanidades (UFV 2017). Es Subdirector de Investigación de la EPS de la UFV. Desde 2006 es profesor en las titulaciones de Arquitectura y Diseño de la UFV, participando a la vez en diferentes grupos de investigación en la UFV. Como profesional dirige desde 2005 Estudio Arquitectura Hago (estudiohago.com) donde ha desarrollado más de 100 proyectos y construido más de 25. Durante los últimos años han realizado conferencias, participado en exposiciones, realizado publicaciones de ámbito internacional y recibido premios y reconocimientos entre los que destaca la nominación para el Mies van der Rohe Award de 2015.

One Comment

  1. Yesmin Morales Hidalgo Reply

    Buenos dias estoy muy interesada en conocer mas sobre la investigación hecha por ustedes para la creación de imágenes con técnicas de Deep Learning y como contar con un sistema inteligente que genera fotos artificiales a partir de leyendas de textos. Actualmente soy estudiante de Doctorado en la Universitat Politècnica de Vàlencia y estoy desarrollando como tesis la reconstrucción virtual del modelo tipológico de las viviendas de San Agustin entre los siglos XVI y XVII, Florida-USA.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *