通过语义分割解读花园设计语言以促进社会审美互动

为何花园与算法相得益彰

我们大多数人都能直觉判断一个花园是宁静、充满活力还是杂乱。然而，要把这种感觉转化为清晰、可共享的规则，长期以来一直是设计师和研究者面临的难题。本研究展示了现代图像分析与公众意见数据如何协同工作，以“解码”花园的视觉语言，揭示哪些树木、水体、路径和建筑的组合与布置更容易被人们认为是美的。

把花园看作视觉句子

作者从这样的观点出发：花园不只是对象的集合；它是一种构图，类似由视觉词汇构成的句子。树木、池塘、桥梁、草坪和亭台是基本词汇，但真正塑造我们体验的是这些要素的排列方式：哪些元素靠近水体，路径如何引导视线，空间是开放还是封闭。传统上，景观设计师用草图和文字来描述这些关系，这使得对比大量场地或系统地检验想法变得困难。

教计算机看懂花园结构

为将花园场景转换为数据，研究团队汇集了来自古典中国园林、欧洲生态公园和北美城市绿地的2000余张照片。专家们细致地将每张图像的每个像素标注为植被、水体、建构或其他要素。一个被昵称为DesignSegNet的深度学习模型从这些带注释的图像中学习，能够自动将新照片分割成主要组成部分。基于这些像素图，研究人员计算出若干简单但有力的度量：每种要素覆盖的面积、它们在画面中的典型位置、分布是分散还是集中，以及不同要素沿边界相接的频率。这些数值捕捉了设计的潜在“语法”。

引入公众的美感判断

仅有视觉结构无法解释为何一个花园显得和谐或混乱。为将构图与感知连接起来，作者在若干中国城市的公园访客中收集了3000多份图像评分，询问他们关于和谐、自然感、平衡、视觉趣味性和整体美感的看法。他们还收集了1000多份书面描述和设计文档，随后使用语言处理工具识别出反复出现的主题，如自然和谐、建筑优雅、季节变迁和包容感。通过将这些问卷分数与文本主题和构图度量结合，研究者能够识别出哪些空间模式与积极的观感对应。

什么样的花园场景更有吸引力

分析揭示了某些设计模式与较高审美评分之间的一致关联。拥有较多植被且水体与绿地存在明确直接接触的场景，往往被评为更美。关键要素形成紧密聚合而非分散在视野各处的布局也得分更高，这表明人们更偏好可读性强、组织良好的空间而非碎片化的场景。古典园林通常表现出更高比例的水体和建筑元素，呼应其对取景框架和象征性建筑的传统强调；而现代城市公园则倾向于连续的绿被和开阔草坪。这个专门的神经网络不仅在性能上与或优于其他先进的图像分割系统相当，它还生成了能清晰区分这些风格的特征，并高亮了每个场景中最能影响感知美感的区域。

这如何帮助设计师与访客

简言之，本研究表明计算机可以学会以类似人类的方式“阅读”花园——识别的不仅是“有一棵树”，而是“这棵树环抱着水面”或“这些路径把空间连结起来”。通过将这些构图模式与公众偏好关联，该框架为设计师提供了一种在建成前检验某个方案是否会让人感到平静、自然或引人入胜的新方式，并帮助研究者超越模糊的“好设计”讨论，迈向可测量、可检验的模式。尽管这项工作以图像和特定类型的花园为主要对象，但它指向未来可能支持更具包容性、文化共鸣的公园和花园设计工具的发展方向。

引用: Wang, Y., Zhai, Y., Qu, C. et al. Decoding garden design language via semantic segmentation for social aesthetic interaction. Sci Rep 16, 10571 (2026). https://doi.org/10.1038/s41598-026-46120-w

关键词: 花园设计, 景观美学, 计算机视觉, 语义分割, 公众感知