Explorando Enfoques de Reconstrucción 3D en Diseño Arquitectónico mediante Métodos de Aprendizaje Profundo: Una Encuesta Integral

En los últimos años, los avances sustanciales en visión por computadora han sido impulsados por la aparición de técnicas de aprendizaje profundo. El impacto transformador del aprendizaje profundo es evidente en diversas aplicaciones de visión por computadora, abarcando la detección de objetos, clasificación de imágenes y segmentación semántica. Dentro del dinámico ámbito del diseño paramétrico arquitectónico, una fuerza clave que da forma a las prácticas arquitectónicas contemporáneas y futuras, los diseñadores frecuentemente enfrentan escenarios que requieren el remodelado, aumento o modificación de componentes y fachadas de edificios. Esta demanda surge por diversos factores, incluida la integración de fachadas interactivas para humanos, la implementación de sistemas de fachadas sostenibles, entre otros. En tales casos, la estructura fundamental debe poseer maleabilidad, permitiendo la apertura a ediciones. Sin embargo, la gran escala y los detalles intrincados inherentes a los diseños arquitectónicos representan un desafío, ya que una malla densamente detallada que comprende millones de elementos se vuelve cada vez más difícil de manejar y modificar para etapas posteriores. Este desafío subraya la necesidad crítica de generar objetos capaces de una evolución fluida en consonancia con los requisitos de diseño en evolución. Este artículo se centrará en categorizar los enfoques de aprendizaje profundo 3D en arquitectura y profundizar en sus métodos. Palabras clave: Desarrollo de Algoritmos, Diseño Computacional, Diseño Generativo Basado en Aprendizaje, Aprendizaje Profundo, Reconstrucción 3D