วิธีสร้างแผนที่ Figure-Ground จากภาพถ่ายมุมสูง

ทำไมต้องสร้างแผนที่ figure-ground จากภาพถ่ายมุมสูง?

ในการออกแบบชุมชนเมืองและการวิเคราะห์ไซต์ แผนที่ Figure-ground Map ถือเป็นหนึ่งในแผนภาพที่มีประโยชน์มากที่สุดสำหรับการทำความเข้าใจโครงสร้างของเมือง โดยจะลดทอนความซับซ้อนของเมืองให้เหลือเพียงความสัมพันธ์ที่ชัดเจนระหว่างมวลอาคาร (building mass) และพื้นที่เปิดโล่ง (open space) ซึ่งช่วยให้นักออกแบบอ่านความหนาแน่นของบล็อกอาคาร ความต่อเนื่องของถนน การกระจายตัวของช่องว่าง (void) ตลอดจนโครงสร้างเมือง (urban fabric) ได้ชัดเจน

อย่างไรก็ตาม ในการทำงานจริง เราไม่ได้เริ่มต้นจากไฟล์ GIS หรือ CAD ที่เรียบร้อยเสมอไป การศึกษาวิจัยเบื้องต้นหลายครั้งเริ่มต้นจาก Google Earth ภาพถ่ายจากโดรน หรือภาพถ่ายมุมสูง (high-angle aerial images) ภาพเหล่านี้มีข้อมูลเชิงพื้นที่ที่เป็นประโยชน์ แต่ก็แฝงไปด้วยสัญญาณรบกวนทางสายตา (visual noise) มากมาย เช่น พื้นผิวหลังคา รถยนต์ เรือนยอดไม้ เงา ป้ายต่างๆ และความบิดเบี้ยวของทัศนมิติ

ภาพที่ 01. การใช้ภาพถ่ายมุมสูงเป็นภาพอ้างอิงสำหรับการวิเคราะห์ผังเมือง

ในบทเรียนนี้ เราจะใช้ ReRoom เพื่อเปลี่ยนภาพถ่ายมุมสูงที่ซับซ้อนให้กลายเป็น Figure-ground Map ที่ดูสะอาดตาในสไตล์พอร์ตโฟลิโอ เป้าหมายไม่ใช่การทดแทนการทำแผนที่หรือการสำรวจอย่างเป็นทางการ แต่เป็นการแปลงภาพถ่ายเมืองจริงให้กลายเป็นแผนที่ฐาน (base map) สำหรับการวิเคราะห์ที่อ่านง่ายได้อย่างรวดเร็ว

ขั้นตอนที่ 1 — เข้าสู่ระบบและเตรียมภาพถ่ายมุมสูงของคุณ

ขั้นแรก ให้เข้าสู่ระบบ ReRoom และเตรียมภาพถ่ายมุมสูงของบล็อกเมืองเป้าหมาย

ก่อนอัปโหลด ให้ตรวจสอบว่าขอบเขตของอาคารมีความชัดเจนหรือไม่ ถนนมีความต่อเนื่องหรือไม่ และมองเห็นโครงสร้างบล็อกหลักหรือไม่ หากภาพถูกปกคลุมด้วยต้นไม้หรือเงาอย่างหนาแน่น โมเดลอาจเข้าใจผิดว่าพืชพรรณหรือพื้นที่มืดคือมวลอาคาร

ภาพอินพุตที่ดีที่สุดไม่จำเป็นต้องเป็นภาพที่สวยที่สุดเสมอไป แต่ควรแสดงให้เห็นหลังคา ถนน คอร์ทยาร์ด พื้นที่เปิดโล่ง และขอบบล็อกอาคารได้อย่างชัดเจน

ในขั้นตอนนี้ เรายังไม่ได้ขอให้โมเดลสร้างไดอะแกรมที่สวยงามในทันที ก่อนอื่นเราต้องให้ AI เข้าใจงานที่ต้องทำเสียก่อน: นั่นคือการแปลงมุมมองภาพถ่ายจริงให้กลายเป็นแผนที่ที่มีคอนทราสต์ชัดเจนระหว่างพื้นที่ฐานอาคารที่แสดงด้วยสีทึบ (solid building footprints) และพื้นที่เปิดโล่ง (open space)

identify building footprints and open spaces from the aerial urban view, preserve street block structure, simplify roofs and ground texture, remove cars, trees, shadows, and visual noise

ขั้นตอนที่ 2 — ไปที่หน้าแรก และอัปโหลดภาพ

หลังจากเข้าสู่ระบบแล้ว ให้ไปที่หน้าแรกของ ReRoom และอัปโหลดภาพถ่ายมุมสูงของเมือง

ใช้ภาพนี้เป็นข้อมูลอ้างอิงหลักสำหรับการแปลงภาพ ภาพถ่ายมุมสูงควรช่วยชี้แนะความเข้าใจของโมเดลเกี่ยวกับมวลอาคาร ผังถนน พื้นที่เปิดโล่ง และสัดส่วนของบล็อกเมือง

เป้าหมายคือการรักษาโครงสร้างของเมืองไว้ ไม่ใช่การสร้างแผนที่นามธรรมขึ้นมาใหม่ ด้วยเหตุนี้ เราจึงมักหลีกเลี่ยงพรอมต์สไตล์เชิงสร้างสรรค์ในระยะแรก

ขั้นตอนที่ 3 — เขียนพรอมต์สำหรับ figure-ground

ถัดไป ให้เขียนพรอมต์ที่อธิบายผลลัพธ์อย่างชัดเจนว่าเป็น Figure-ground Map

ส่วนที่สำคัญที่สุดคือการกำหนดว่าอะไรควรกลายเป็น "ทึบ" (solid) และอะไรควรคงเป็น "ว่าง" (void) โดยปกติเราจะระบุให้แสดงพื้นที่ฐานอาคารเป็นสีดำ (black footprints) และพื้นที่เปิดโล่งเป็นสีขาว (white areas)

convert this aerial urban view into a clean professional figure-ground map, black building footprints, white open spaces, preserve street layout, urban blocks, building edges, courtyard spaces, and road network, minimal architectural portfolio style, no perspective, no shadows, no labels, no cars, no people, no trees

ภาพที่ 02. การเปลี่ยนภาพถ่ายมุมสูงของเมืองให้กลายเป็น Figure-ground Map ที่คมชัดด้วย ReRoom

จากการทดสอบของเรา การใช้คำอย่างเช่น black building footprints, white open spaces และ preserve street layout นั้นมีประโยชน์มากกว่าการระบุเพียงแค่ "make it minimal"

หากพรอมต์ระบุเพียงแค่ "minimal city map" ผลลัพธ์ที่ได้อาจดูสะอาดตาแต่ไม่สามารถรักษาสัดส่วนของถนนหรือขอบอาคารไว้ได้ สำหรับการวิเคราะห์ผังเมืองแล้ว การสูญเสียโครงสร้างเหล่านี้มีความสำคัญมากกว่าความสวยงามทางสายตา

ขั้นตอนที่ 4 — แก้ไขมุมมืดและมุมสว่าง

หลังจากสร้างผลลัพธ์แรกแล้ว ให้ตรวจสอบว่าคอนทราสต์ของ figure-ground มีความชัดเจนทั่วทั้งภาพหรือไม่

ในบางครั้ง ผลลัพธ์อาจยังคงมีมุมมืดที่เกิดจากเงา วัสดุหลังคา หรือพืชพรรณที่หนาแน่น ในขณะที่บางกรณี มุมสว่างอาจสูญเสียขอบเขตของอาคารและกลายเป็นพื้นที่ว่างเปล่าจนเกินไป

สำหรับมุมมืด ให้ใช้พรอมต์แก้ไขที่สั่งให้โมเดลลดทอนความซับซ้อนของเงาและกลับมาแสดงพื้นที่ฐานอาคารอย่างสมเหตุสมผล

clean up the dark corner areas, remove shadow noise, keep only solid building footprints and clear white open spaces, preserve block edges and street layout

สำหรับพื้นที่ที่สว่างเกินไป ให้ใช้พรอมต์ที่สั่งให้โมเดลกู้คืนขอบที่หายไปและเพิ่มความคมชัดของคอนทราสต์

recover missing building edges in the bright corner areas, improve figure-ground contrast, keep black building masses and white void spaces, preserve the original urban block structure

ภาพที่ 03. การแก้ไขบริเวณมุมมืดและมุมสว่างเพื่อให้แผนที่ figure-ground อ่านง่ายขึ้น

ขั้นตอนนี้มีความสำคัญเนื่องจากภาพถ่ายทางอากาศมักมีระดับแสงไม่สม่ำเสมอ หากเราไม่จัดระเบียบพื้นที่เหล่านี้ ไดอะแกรมสุดท้ายอาจดูมินิมอลแต่ก็ไม่น่าเชื่อถือเพียงพอสำหรับการนำไปวิเคราะห์

ขั้นตอนที่ 5 — ขจัดสัญญาณรบกวนและรักษาสัดส่วน

แผนที่ figure-ground นั้นทำได้ยากเพราะภาพถ่ายมุมสูงจริงมีข้อมูลมากเกินไป ทั้งพื้นผิวหลังคา เรือนยอดไม้ เงา ลานจอดรถ และเส้นจราจรบนถนน ล้วนบดบังความสัมพันธ์ที่แท้จริงระหว่างอาคารและพื้นที่เปิดโล่ง

เพื่อลดสัญญาณรบกวน เรามักจะเพิ่มข้อจำกัด เช่น remove shadows, remove trees, no roof texture และ flat 2D diagram

flat 2D architectural analysis diagram, solid black building masses, clean white void spaces, remove roof texture, remove vegetation, remove shadows, preserve urban fabric and block proportions

ภาพที่ 04. การขจัดสัญญาณรบกวนทางสายตาเพื่อสร้างแผนที่ฐานสำหรับการวิเคราะห์ผังเมืองแบบมินิมอล

จุดสำคัญคือการรักษาสมดุลระหว่างความสะอาดตาและความถูกต้องแม่นยำ หากภาพถูกลดทอนรายละเอียดมากเกินไป บล็อกอาคารจะสูญเสียรายละเอียดสำคัญ แต่หากยึดตามภาพถ่ายมากเกินไป ไดอะแกรมก็จะมีสัญญาณรบกวนทางสายตามากเกินไปเช่นกัน

ในกรณีส่วนใหญ่ เราจะให้ความสำคัญกับขอบอาคาร โครงข่ายถนน คอร์ทยาร์ด และพื้นที่เปิดโล่ง มากกว่าวัสดุหลังคาหรือรายละเอียดของภูมิทัศน์

ขั้นตอนที่ 6 — ใช้งานแผนที่สำหรับพอร์ตโฟลิโอและการวิเคราะห์ไซต์

เวิร์กโฟลว์นี้สามารถเปลี่ยนภาพถ่ายเมืองมุมสูงที่ซับซ้อนให้กลายเป็น Figure-ground Map ที่อ่านง่าย มีประโยชน์สำหรับการวิเคราะห์ไซต์ แผนที่ฐานสำหรับพอร์ตโฟลิโอ การเปรียบเทียบโครงสร้างเมือง การศึกษาความหนาแน่นของบล็อก และการใช้อ้างอิงสำหรับการออกแบบในระยะเริ่มต้น

ReRoom ยังคงต้องอาศัยการตรวจสอบด้วยตนเองในเรื่องของเค้าโครงอาคาร ความต่อเนื่องของเส้นทางถนน ขอบเขตพื้นที่เปิดโล่ง และความสัมพันธ์ของขาว-ดำ หากนำผลลัพธ์ไปใช้สำหรับการวิจัยชุมชนเมืองหรือการวิเคราะห์ข้อกำหนดอย่างเป็นทางการ นักออกแบบยังคงควรตรวจสอบความถูกต้องด้วยข้อมูล GIS, CAD หรือข้อมูลการสำรวจ

แต่สำหรับข้อเสนอการออกแบบในระยะเริ่มต้น เวิร์กโฟลว์นี้สามารถช่วยลดเวลาที่ต้องใช้ในการแปลงภาพถ่ายมุมสูงจริงให้เป็นแผนที่ฐานสำหรับการวิเคราะห์ได้

ในที่นี้ AI ไม่ได้เข้ามาแทนที่การวิเคราะห์ผังเมือง แต่ช่วยให้เราแปลงภาพถ่ายเมืองที่มีอยู่ให้กลายเป็นภาษาภาพที่อ่าน เปรียบเทียบ และนำมาพูดคุยร่วมกันได้ง่ายขึ้น