บันทึกทางเทคนิค

วิธีสร้างแผนที่ Figure-Ground จากภาพถ่ายมุมสูง

เรียนรู้วิธีใช้ ReRender เพื่อเปลี่ยนภาพถ่ายมุมสูงของเมืองให้กลายเป็นแผนที่ figure-ground ที่สะอาดตา สำหรับการวิเคราะห์พื้นที่ พอร์ตโฟลิโอ และการนำเสนอการออกแบบชุมชนเมือง

Willy
วิศวกรรม · 18 มิถุนายน 2569 · อ่าน 5 นาที

ทำไมจึงควรสร้างแผนที่ figure-ground จากภาพถ่ายมุมสูง?

ในการออกแบบชุมชนเมืองและการวิเคราะห์พื้นที่ (site analysis) แผนที่ Figure-ground (Figure-ground Map) ถือเป็นหนึ่งในแบบวาดที่มีประโยชน์มากที่สุดในการทำความเข้าใจโครงสร้างของเมือง โดยจะลดทอนความซับซ้อนของเมืองให้เหลือเพียงความสัมพันธ์ที่ชัดเจนระหว่างมวลอาคาร (building mass) และพื้นที่ว่าง (open space) ซึ่งช่วยให้นักออกแบบสามารถอ่านความหนาแน่นของบล็อกอาคาร ความต่อเนื่องของถนน การกระจายตัวของพื้นที่ว่าง (void) และโครงข่ายเนื้อเมือง (urban fabric) ได้ชัดเจน

อย่างไรก็ตาม ในทางปฏิบัติเราไม่ได้เริ่มต้นจากไฟล์ GIS หรือ CAD ที่พร้อมใช้งานเสมอไป การศึกษาวิจัยในระยะเริ่มต้นจำนวนมากมักเริ่มจาก Google Earth, วิดีโอจากโดรน หรือภาพถ่ายมุมสูง ซึ่งแม้ภาพเหล่านี้จะมีข้อมูลเชิงพื้นที่ที่เป็นประโยชน์ แต่ก็แฝงไปด้วยสัญญาณรบกวนทางสายตา (visual noise) มากมาย เช่น พื้นผิวหลังคา รถยนต์ ทรงพุ่มต้นไม้ เงา ป้ายสัญลักษณ์ ตลอดจนความบิดเบี้ยวของทัศนมิติ (perspective distortion)

ext0616ref2 ภาพที่ 01: การใช้ภาพถ่ายมุมสูงเป็นภาพอ้างอิงสำหรับการวิเคราะห์เมือง

ในบทเรียนนี้ เราจะใช้ ReRender เพื่อแปลงภาพถ่ายมุมสูงที่มีความซับซ้อนให้กลายเป็นแผนที่ Figure-ground สไตล์พอร์ตโฟลิโอที่สะอาดตา โดยไม่ได้มีเป้าหมายเพื่อทดแทนการทำแผนที่หรือการสำรวจอย่างเป็นทางการ แต่เป็นการแปลงภาพเมืองจริงให้เป็นแผนที่ฐาน (base map) สำหรับการวิเคราะห์ที่อ่านง่ายได้อย่างรวดเร็ว

ขั้นตอนที่ 1 — เข้าสู่ระบบและเตรียมภาพถ่ายมุมสูงของคุณ

ขั้นแรก ให้เข้าสู่ระบบ ReRender และเตรียมภาพถ่ายมุมสูงของบล็อกเมืองเป้าหมาย

รูปภาพ

ก่อนอัปโหลด ให้ตรวจสอบว่าขอบเขตของอาคารมีความชัดเจนหรือไม่ ถนนมีความต่อเนื่องหรือไม่ และมองเห็นโครงสร้างบล็อกหลักได้ชัดเจนหรือไม่ หากภาพถูกปกคลุมด้วยต้นไม้หรือเงาหนาทึบ โมเดลอาจเข้าใจผิดว่าพืชพรรณหรือพื้นที่มืดเหล่านั้นเป็นมวลอาคารได้

ภาพนำเข้าที่ดีที่สุดไม่จำเป็นต้องเป็นภาพที่สวยที่สุดเสมอไป แต่ควรแสดงให้เห็นหลังคา ถนน คอร์ตยาร์ด พื้นที่ว่าง และขอบเขตบล็อกได้อย่างชัดเจน

ในขั้นตอนนี้ เรายังไม่ได้ขอให้โมเดลสร้างไดอะแกรมที่สวยงาม แต่เราต้องให้ AI เข้าใจงานก่อน นั่นคือการแปลงภาพมุมสูงจากสถานที่จริงให้เป็นแผนที่คอนทราสต์ระหว่างพื้นที่ฐานอาคารแบบทึบ (solid building footprints) กับพื้นที่ว่าง (open space)

พรอมต์
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 — ไปที่หน้าแรกและอัปโหลดรูปภาพ

หลังจากเข้าสู่ระบบแล้ว ให้ไปที่หน้าหลัก (หน้าแรก) ของ ReRender แล้วอัปโหลดภาพถ่ายมุมสูงของเมือง

รูปภาพ

ใช้ภาพนี้เป็นข้อมูลอ้างอิงหลักสำหรับการแปลงภาพ โดยภาพถ่ายมุมสูงจะทำหน้าที่ชี้นำให้โมเดลเข้าใจเกี่ยวกับมวลอาคาร ผังถนน พื้นที่ว่าง และสัดส่วนของบล็อก

เป้าหมายคือการรักษาโครงสร้างของเมืองไว้ ไม่ใช่การสร้างแผนที่นามธรรมขึ้นมาใหม่ ด้วยเหตุนี้ เราจึงมักหลีกเลี่ยงพรอมต์ที่เน้นสไตล์สร้างสรรค์ในตอนเริ่มต้น

ขั้นตอนที่ 3 — เขียนพรอมต์สำหรับ figure-ground

ถัดไป ให้เขียนพรอมต์ที่อธิบายผลลัพธ์อย่างชัดเจนว่าต้องการให้เป็นแผนที่ Figure-ground (Figure-ground Map)

ส่วนที่สำคัญที่สุดคือการกำหนดว่าอะไรควรเป็นส่วน “ทึบ” (solid) และอะไรควรเป็นส่วน “ว่าง” (void) โดยปกติเราจะระบุให้แสดงพื้นที่ฐานอาคารเป็นสีดำ (black footprints) และพื้นที่ว่างเป็นสีขาว (white areas)

พรอมต์
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

ext0617ref2 ภาพที่ 02: การเปลี่ยนภาพถ่ายมุมสูงของเมืองให้กลายเป็นแผนที่ Figure-ground ที่สะอาดตาด้วย ReRender

จากการทดสอบของเรา คำอย่าง black building footprints, white open spaces และ preserve street layout มีประโยชน์มากกว่าการระบุเพียงแค่ “make it minimal”

หากพรอมต์ระบุเพียงแค่ “minimal city map” ผลลัพธ์ที่ได้อาจจะดูสะอาดตา แต่อาจไม่สามารถรักษาสัดส่วนของถนนหรือขอบอาคารไว้ได้ สำหรับการวิเคราะห์เมือง การสูญเสียโครงสร้างเหล่านี้มีผลกระทบมากกว่าความสวยงามทางสายตา

ขั้นตอนที่ 4 — แก้ไขมุมมืดและมุมสว่าง

หลังจากสร้างผลลัพธ์แรกแล้ว ให้ตรวจสอบว่าคอนทราสต์ของ figure-ground มีความชัดเจนทั่วทั้งภาพหรือไม่

บางครั้งผลลัพธ์อาจยังมีมุมมืดที่เกิดจากเงา วัสดุหลังคา หรือพืชพรรณที่หนาแน่น ในขณะที่บางกรณี มุมที่สว่างเกินไปอาจทำให้ขอบเขตอาคารหายไปและกลายเป็นพื้นที่ว่างโล่งมากเกินไป

สำหรับมุมมืด ให้ใช้พรอมต์แก้ไขที่สั่งให้โมเดลลดทอนเงาและแสดงพื้นที่ฐานอาคาร (building footprint) ให้ถูกต้องอีกครั้ง

พรอมต์
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 ให้ใช้พรอมต์ที่สั่งให้โมเดลฟื้นฟูขอบเขตที่ขาดหายไปและเพิ่มความคมชัดของคอนทราสต์

พรอมต์
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

ext0616ref5 ภาพที่ 03: การแก้ไขบริเวณมุมมืดและมุมสว่างเพื่อให้แผนที่ figure-ground อ่านง่ายขึ้น

ขั้นตอนนี้มีความสำคัญเนื่องจากภาพถ่ายทางอากาศมักมีระดับแสงที่ไม่สม่ำเสมอ หากเราไม่เก็บรายละเอียดพื้นที่เหล่านี้ ไดอะแกรมสุดท้ายอาจดูมินิมอลแต่ไม่สามารถนำไปใช้วิเคราะห์ได้อย่างน่าเชื่อถือ

ขั้นตอนที่ 5 — ขจัดสัญญาณรบกวนและรักษาสัดส่วน

การทำแผนที่ figure-ground นั้นยากเนื่องจากภาพถ่ายมุมสูงจริงมีข้อมูลมากเกินไป ทั้งพื้นผิวหลังคา ทรงพุ่มต้นไม้ เงา ลานจอดรถ และเส้นจราจรบนถนน ต่างแย่งความสนใจไปจากความสัมพันธ์ที่แท้จริงระหว่างอาคารกับพื้นที่ว่าง

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

พรอมต์
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

ext0616ref6 ภาพที่ 04: การขจัดสัญญาณรบกวนทางสายตาเพื่อสร้างแผนที่ฐานสำหรับการวิเคราะห์เมืองแบบมินิมอล

สิ่งสำคัญคือการชั่งน้ำหนักระหว่างความสะอาดตากับความถูกต้องแม่นยำ หากภาพถูกลดทอนมากเกินไป บล็อกเมืองก็จะสูญเสียรายละเอียดสำคัญ แต่หากยึดตามภาพถ่ายมากเกินไป ไดอะแกรมก็จะมีสัญญาณรบกวนทางสายตามากเกินไป

ในกรณีส่วนใหญ่ เราจะให้ความสำคัญกับขอบอาคาร โครงข่ายถนน คอร์ตยาร์ด และพื้นที่ว่าง มากกว่าวัสดุหลังคาหรือรายละเอียดของภูมิทัศน์

ขั้นตอนที่ 6 — ใช้งานแผนที่สำหรับพอร์ตโฟลิโอและการวิเคราะห์พื้นที่

เวิร์กโฟลว์นี้สามารถเปลี่ยนภาพถ่ายมุมสูงของเมืองที่ซับซ้อนให้กลายเป็นแผนที่ Figure-ground ที่อ่านง่าย ซึ่งมีประโยชน์สำหรับการวิเคราะห์พื้นที่ (site analysis), แผนที่ฐานสำหรับพอร์ตโฟลิโอ, การเปรียบเทียบโครงข่ายเนื้อเมือง, การศึกษาความหนาแน่นของบล็อก และการใช้อ้างอิงในการออกแบบระยะเริ่มต้น

ReRender ยังคงต้องอาศัยการตรวจสอบด้วยตนเองในส่วนของเส้นขอบอาคาร ความต่อเนื่องของถนน ขอบเขตของพื้นที่ว่าง และความสัมพันธ์ระหว่างสีขาว-ดำ หากผลลัพธ์นี้จะถูกนำไปใช้สำหรับการวิจัยชุมชนเมืองหรือการวิเคราะห์ข้อกำหนดทางผังเมืองอย่างเป็นทางการ นักออกแบบยังคงควรตรวจสอบความถูกต้องด้วยข้อมูล GIS, CAD หรือข้อมูลการสำรวจจริง

แต่สำหรับข้อเสนอโครงการในระยะเริ่มต้น เวิร์กโฟลว์นี้สามารถลดเวลาที่ต้องใช้ในการแปลงภาพถ่ายทางอากาศจริงให้กลายเป็นแผนที่ฐานสำหรับการวิเคราะห์

ในที่นี้ AI ไม่ได้มาแทนที่การวิเคราะห์เมือง แต่ช่วยให้เราสามารถแปลงภาพเมืองที่มีอยู่เดิมให้กลายเป็นภาษาทางภาพ (visual language) ที่อ่านง่าย เปรียบเทียบได้สะดวก และนำมาหารือร่วมกันได้ง่ายขึ้น

#Urban Design#Figure-ground Map#ReRender#AI Architecture#Tutorial