RMIT Việt Nam góp mặt trong nghiên cứu AI nhận diện phong cách nội thất
Một công trình mới dùng mô hình chú ý để phân loại phong cách nội thất. Các chỉ số thử nghiệm đáng chú ý, nhưng chưa chứng minh AI có thể thay người thiết kế hay tư vấn thẩm mỹ ngoài thực tế.
Xong bài này bạn làm được Nếu đọc sai phạm vi, người đọc có thể biến một kết quả phân loại trên bộ dữ liệu nghiên cứu thành tuyên bố quá rộng về khả năng hiểu thẩm mỹ hoặc tư vấn thiết kế của AI.
Một nhóm nghiên cứu có thành viên làm việc tại RMIT Việt Nam vừa công bố công trình về AI nhận diện phong cách nội thất. Bài toán nghe khá gần đời sống: đưa ảnh một không gian vào hệ thống và yêu cầu nó phân biệt những phong cách có nhiều chi tiết dễ lẫn với nhau. Nhưng điều quan trọng hơn con số đẹp là hiểu chính xác hệ thống đã được kiểm tra trong điều kiện nào.
Công trình có tên A style aware attention transformer for fine grained interior design style recognition, được hồ sơ nghiên cứu của RMIT ghi nhận công bố ngày 28/9/2026 trên tạp chí Discover Artificial Intelligence. Nhóm sử dụng một kiến trúc transformer có cơ chế attention — cơ chế giúp mô hình tập trung vào những vùng hoặc đặc trưng quan trọng của ảnh để nhận diện các khác biệt nhỏ giữa phong cách nội thất.
Đây là một bài toán phân loại ảnh trong nghiên cứu, không phải một trợ lý thiết kế đã được chứng minh có thể tư vấn cho căn nhà của bạn. Hai việc đó cần được tách riêng ngay từ đầu.
Kết quả đo được nằm trong một bài toán có giới hạn
Trong nghiên cứu về nhận diện phong cách, mô hình được đánh giá bằng các chỉ số trên bộ dữ liệu mà nhóm tác giả chuẩn bị cho thí nghiệm. Những chỉ số như độ chính xác hay F1 cho biết mô hình phân loại tốt đến đâu trong thiết lập đó. Chúng hữu ích để so sánh các phương pháp trong cùng điều kiện, nhưng không tự động trả lời những câu hỏi khác như hệ thống có hiểu sở thích của một gia đình hay có đưa ra phương án bố trí phù hợp với ngân sách hay không.
Hồ sơ công bố của RMIT cho thấy nhóm nghiên cứu tiếp tục một hướng đã làm trước đó về nhận diện phong cách nội thất. Công trình tháng 5/2026 của nhóm mô tả bộ dữ liệu InDes gồm 3.826 ảnh thuộc năm phong cách kiến trúc, kết hợp mẫu thực tế được chuyên gia gán nhãn với dữ liệu được gán nhãn bán tự động. Bối cảnh này cho thấy vì sao cần đọc kỹ cách tạo dữ liệu trước khi biến một điểm benchmark — tức kết quả đo trên bộ thử chuẩn — thành nhận xét về mọi ảnh nội thất ngoài đời.
Phân loại phong cách không đồng nghĩa với tư vấn thiết kế
Một hệ thống nhận ra ảnh gần phong cách Scandinavian hay Art Deco có thể hữu ích cho tìm kiếm, sắp xếp thư viện ảnh hoặc hỗ trợ khám phá mẫu tham khảo. Nhưng từ đó đến quyết định thiết kế còn nhiều lớp mà bài toán phân loại không đo: kích thước thật của phòng, kết cấu, vật liệu có sẵn, ánh sáng, an toàn, chi phí, nhu cầu sử dụng và sở thích của người ở.
Vì vậy, cách đọc thận trọng là coi đây là bằng chứng rằng một phương pháp thị giác máy tính có thể cải thiện việc phân biệt các lớp phong cách trong thiết lập nghiên cứu được mô tả. Chưa có cơ sở từ các nguồn này để nói mô hình thay được kiến trúc sư, nhà thiết kế nội thất hoặc đánh giá thẩm mỹ giống con người.
Điểm này cũng quan trọng với các bài viết phổ biến khoa học. Một tiêu đề như “AI nhìn phong cách giống con người” dễ khiến người đọc hiểu rộng hơn những gì thí nghiệm thực sự kiểm tra. Nghiên cứu đo khả năng phân loại ảnh; nó không đo toàn bộ quá trình con người quan sát, giải thích ý nghĩa văn hóa hay đưa ra quyết định thiết kế.
Ba điều nên kiểm trước khi dùng một con số benchmark
Thứ nhất, xem bộ dữ liệu có gần với ảnh bạn sẽ dùng hay không. Ảnh được chụp chuyên nghiệp, ảnh từ studio hoặc ảnh đã được tuyển chọn có thể khác đáng kể ảnh điện thoại trong căn phòng thật.
Thứ hai, xem các lớp cần phân biệt có giống bài toán của bạn không. Một hệ thống được huấn luyện cho một số phong cách cụ thể không mặc nhiên nhận diện tốt mọi phong cách, không gian hoặc thị trường.
Thứ ba, tìm bằng chứng triển khai nếu quyết định của bạn nằm ngoài nghiên cứu. Nếu một sản phẩm sau này tuyên bố dùng phương pháp tương tự để tư vấn thiết kế, cần xem thêm thử nghiệm trên dữ liệu thực tế, tỷ lệ lỗi, cách xử lý trường hợp không chắc chắn và vai trò của người kiểm tra.
Công trình của nhóm có liên hệ RMIT Việt Nam đáng chú ý vì cho thấy một hướng nghiên cứu AI trong lĩnh vực sáng tạo gần với đời sống. Giá trị của nó rõ hơn khi giữ đúng phạm vi: đây là tiến bộ trong một bài toán nhận diện hình ảnh được đo có kiểm soát, chưa phải bằng chứng rằng AI đã “hiểu” thiết kế nội thất như một chuyên gia.
Nguồn tham khảo
- Discover Artificial Intelligence / Springer: bài báo khoa học về mô hình nhận diện phong cách nội thất.
- RMIT University: hồ sơ công bố nghiên cứu của tác giả Bao Nguyen, ghi nhận công trình và ngày xuất bản.