可视化与理解人们对房屋立面的评价：将生成对抗网络（GAN）应用于环境心理学

《Journal of Environmental Psychology》：Visualising and Understanding Human Evaluation of House Facades: GAN Applied to Environmental Psychology

本研究利用生成对抗网络（GAN）分析环境心理学中建筑立面的心理评价。通过在线实验收集2000张加州独栋住宅图片的评分数据，训练StyleGAN2-ADA生成人工图像，并验证其与人类评分的一致性。结果表明，GAN生成的图像能有效反映五个心理维度（如家的感觉、安全性等）的评分差异，并揭示自然性、房屋大小、复杂性及开口数量等关键特征。该研究为建筑设计与人类心理感知的关系提供了数据驱动的探索方法。

　　本文探讨了生成对抗网络（GANs）在环境心理学与建筑学中的应用，旨在分析人类对建筑立面的评价。通过使用一种先进的GAN模型——StyleGAN2-ADA，研究团队利用2000张加州独立住宅的图像数据集（CalHouses）进行训练，这些图像由参与者在首次在线实验中对五个心理维度进行了评分，包括亲切感、安全感、吸引力、放松感和感知价格。随后，另一组204名参与者对由GAN生成的2000张人工图像进行了相同维度的评分，以验证GAN是否能够准确捕捉这些心理特征。研究结果显示，GAN生成的图像评分与目标心理维度高度一致，表明GAN在分析建筑设计与人类评价之间的关系方面具有显著潜力。

### GANs与环境心理学的结合

GANs作为一种强大的深度学习方法，已被广泛应用于生成和操控图像。其核心机制是通过一个生成器和一个判别器的对抗过程，生成器试图创建接近真实图像的人工图像，而判别器则负责区分真实图像和生成图像。这种互动使得生成器能够不断优化其生成能力，从而生成更加逼真的图像。随着技术的发展，GANs已经能够生成与真实图像几乎无法区分的图像，例如人脸、动物、室内和室外场景、绘画以及医学图像。

在环境心理学领域，研究者们逐渐认识到GANs的潜力。通过给每张图像添加心理维度的标签，可以训练GANs以学习并使用这些标签。例如，Bachl和Ferreira（2020）通过给GAN提供带有城市标签的街景图像，使其能够生成具有特定城市特征的街景图像。这表明，通过使用心理标签，GANs可以成为一种新的工具，用于识别和可视化影响人类对建筑设计感知的特征。

### 建筑设计对心理的影响

建筑不仅是物理空间的构造，还深刻影响着人类的心理状态和整体幸福感。过去的研究表明，建筑设计中的某些特征，如建筑的大小、复杂性、立面的风格、窗户和门的数量，以及建筑与自然环境的联系，都会对人类的心理反应产生影响。例如，自然元素的引入在生物亲和设计（biophilic design）中被广泛研究，这类设计旨在通过将自然元素融入建筑环境，提升人们的心理健康和整体幸福感。

此外，研究表明，人类在评估建筑环境时，会受到认知、情感和行为过程的影响。例如，当人们遇到一个建筑空间时，他们会基于已有的知识和经验来评价其外部特征。在评估房屋时，人们可能会考虑安全性、经济性等心理维度。同时，建筑也会引发情感反应，如是否能诱导放松或压力感。这些心理维度在建筑设计中具有重要意义，例如，放松感被发现是人们期望的居住环境的重要特征之一。

### 研究方法与数据集

为了评估GANs在预测人类对建筑立面的评价方面的潜力，研究团队构建了一个名为CalHouses的数据集，包含2000张加州独立住宅的立面图像。这些图像来源于Houses Dataset和SoCal2数据集，经过预处理后统一为256×256像素的正方形图像，并保存为JPG格式。图像的选择标准包括正面视角、中性或晴朗天气、无车辆或人物、以及理想情况下无邻近建筑。

在首次在线实验中，参与者对这些图像在五个心理维度上进行了评分，从而为GAN训练提供了标签数据。随后，研究团队使用这些标签训练StyleGAN2-ADA模型，并生成人工图像，以测试这些图像是否能够反映相同的心理特征。为了确保数据的一致性，研究团队对图像进行了分类，将其分为四个类别，以反映评分范围内的不同心理特征。例如，在“亲切感”维度中，图像被分为“不亲切”、“较为不亲切”、“较为亲切”和“亲切”四个类别。

### 实验设计与参与者

研究采用了两种在线实验设计。在第一种实验中，参与者对CalHouses数据集中的图像进行了评分，以获取标签数据。在第二种实验中，参与者对由GAN生成的人工图像进行了评分，以评估这些图像是否能够反映相应的心理特征。研究团队选择了204名来自德国的参与者，确保实验的样本具有一定的代表性。参与者被随机分配到不同的实验组，每组需要对100张图像进行评分，以确保数据的全面性和多样性。

在实验过程中，参与者首先需要确认他们没有神经和心理疾病，并且在实验中需要使用视觉辅助工具。实验的设计还考虑到参与者的文化背景可能影响其对建筑的评价，因此研究团队选择使用德国参与者，以减少文化偏见的影响。参与者通过一个101点的视觉类比量表进行评分，确保评分的准确性和一致性。

### 数据分析与结果

通过使用非参数Kruskal-Wallis卡方检验，研究团队分析了GAN生成图像的评分数据，并发现所有人工数据集的评分均显著不同。这一结果表明，GAN能够有效地生成与人类心理特征相关的图像。此外，研究团队还计算了GAN生成图像的准确率，发现低锚点类别（如“不亲切”）的准确率最高，而中间类别（如“较为不亲切”和“较为亲切”）的准确率较低。这可能是因为低锚点和高锚点类别在评分范围内覆盖更广，而中间类别则集中在狭窄的20点范围内。

通过视觉特征分析，研究团队识别了影响不同心理维度的七个关键特征。这些特征包括建筑的大小和复杂性、窗户和门的数量、屋顶元素、入口区域的设计、立面的颜色和材料、以及前院的景观。其中，自然元素（如树木和前院）对“亲切感”、“吸引力”和“放松感”维度的影响尤为显著。这与以往研究一致，表明自然元素在预测环境是否具有恢复性和放松感方面具有重要作用。

### 讨论与局限性

研究结果表明，GANs能够基于学习到的心理维度标签，生成能够反映人类评价的图像。这为环境心理学和建筑学提供了一种新的研究方法，使研究者能够更直观地理解建筑特征如何影响人类的心理反应。然而，该研究也存在一些局限性。例如，所使用的数据集仅包含加州的独立住宅，这可能限制了研究结果的普遍性。此外，GAN生成的图像中，某些特征可能相互关联，使得难以准确识别哪些特征对人类评价影响最大。

为了克服这些局限性，未来的研究可以探索更广泛的数据集，涵盖不同国家和地区的建筑风格。此外，研究者还可以利用GAN的潜在能力，通过在潜空间中搜索特定特征的表示，或通过隔离特定特征来分析其对心理维度的影响。同时，研究还可以进一步探讨不同建筑特征之间的相互作用，以及这些相互作用如何影响人类对建筑的评价。

### 结论

本文展示了GANs在环境心理学和建筑学中的应用潜力。通过训练StyleGAN2-ADA模型，研究团队成功生成了能够反映人类心理特征的建筑图像，并验证了这些图像在心理维度上的有效性。研究结果表明，建筑的自然度、大小、复杂性以及窗户和门的数量等特征可能对人类对独立住宅的心理评价产生重要影响。这不仅拓展了GANs的应用范围，还为建筑学和环境心理学提供了一种新的研究方法。未来的研究可以进一步利用GANs的优势，生成具有特定特征的建筑图像，以更精确地评估这些特征对人类心理的影响。