Transferencia recíproca de información y estilo entre los mapas históricos de Estambul de Pervititch y las vistas satelitales mediante el aprendizaje automático

Resumen: Los mapas históricos contienen datos importantes sobre el carácter cultural, social y urbano de las ciudades. La mayoría de los mapas históricos utilizan notaciones específicas que difieren de los mapas de uso común en la actualidad. Por lo tanto, la conversión de datos de mapas históricos a formatos de mapas recientes puede considerarse una actividad que requiere mucha mano de obra. Este artículo tiene como objetivo exponer cómo se puede utilizar una técnica de aprendizaje automático (machine learning), para transformar mapas antiguos de Estambul en datos espaciales que simulan vistas de satélite modernas (SVs) a través de un marco de trabajo de mapas recíprocos. Con este objetivo, se utilizan los mapas de Estambul de Jacques Pervititch (IPMs) de 1922-1945 y las vistas de satélite actuales para probar y evaluar el marco propuesto. El estudio consta de dos etapas: (i) el estilo y la transferencia de información de IPMs a SVs, (ii) de SVs a IPMs con CycleGAN (un tipo de red adversarial generativa). Los resultados iniciales muestran que el marco de trabajo propuesto puede trasladar atributos tales como áreas verdes, técnicas y materiales constructivos, y etiquetas.