Interior design

Individuals’ perceptions and behaviors may vary based on the culture to which they belong. Environmental studies within cultural contexts have piqued the interest of professionals in architecture and psychology. Because colour plays an important role in creating a specific environment and responses to colour were equivocal, this study investigates colour preferences across different types of venues. Using a qualitative research method, it examines the impact of colour on cultural codes in interior spaces of various dwelling typologies. A literature study and comparative analysis were carried out in Türkiye, Japan, and Norway. Culture, colour perception, interior design, colour use in interior spaces, housing typology, colour use in housing, and the cultural significance of colour were all investigated. The study also examined the cross-cultural meanings of colour perception in interior design within housing typologies, as well as the common and differing aspects of colour preferences, material usage, and spatial atmosphere observed in Turkish, Japanese, and Norwegian housing, by relating existing studies to the research topic. Thus, the goal was to add to the literature by undertaking thorough and methodical research. Because this study also includes an intercultural assessment of colours, the Natural Colour System (NCS) was chosen as a reference for the analysis. The use of a global standards framework for globally correct colour definitions is critical to this research.

ادراک‌ها و رفتارهای افراد ممکن است بر اساس فرهنگی که به آن تعلق دارند متفاوت باشد. مطالعات محیطی در بسترهای فرهنگی توجه متخصصان معماری و روان‌شناسی را به خود جلب کرده است. از آنجا که رنگ نقش مهمی در ایجاد یک محیط خاص ایفا می‌کند و واکنش‌ها به رنگ مبهم بوده است، این پژوهش به بررسی ترجیحات رنگی در انواع مختلف فضاها می‌پردازد. با استفاده از روش پژوهش کیفی، تأثیر رنگ بر کدهای فرهنگی در فضاهای داخلی گونه‌های مختلف مسکونی بررسی می‌شود. مطالعه مروری و تحلیل تطبیقی در ترکیه، ژاپن و نروژ انجام شده است. فرهنگ، ادراک رنگ، طراحی داخلی، کاربرد رنگ در فضاهای داخلی، گونه‌شناسی مسکن، کاربرد رنگ در مسکن و اهمیت فرهنگی رنگ همگی مورد بررسی قرار گرفته‌اند. این پژوهش همچنین معانی بین‌فرهنگی ادراک رنگ در طراحی داخلی در گونه‌شناسی مسکن، و جنبه‌های مشترک و متفاوت ترجیحات رنگی، استفاده از مصالح و جو فضایی مشاهده‌شده در خانه‌های ترکیه‌ای، ژاپنی و نروژی را با ارتباط دادن مطالعات موجود به موضوع پژوهش بررسی کرده است. بنابراین هدف، افزودن به ادبیات موضوع از طریق انجام پژوهشی جامع و روشمند بوده است. از آنجا که این پژوهش شامل ارزیابی بین‌فرهنگی رنگ‌ها نیز می‌شود، سیستم رنگ طبیعی (NCS) به عنوان مرجع برای تحلیل انتخاب شده است. استفاده از چارچوب استاندارد جهانی برای تعریف صحیح رنگ‌ها در سطح جهانی برای این پژوهش حیاتی است.

Fine-grained interior design style recognition is challenging due to the subtle, context-dependent nature of stylistic cues, which are often entangled with dominant semantic objects. While convolutional neural networks effectively capture local textures, they lack global reasoning, whereas Vision Transformers model spatial relationships but do not explicitly encode perceptual style attributes. To address these limitations, we propose SAT $$^{3}$$ (Style-Aware Attention Transformer) that integrates four synergistic components: (i) a Style Attention Embedding that combines a CNN (Convolutional Neural Network) stem with a Transformer encoder enhanced by a Style Attention Module (SAM) to emphasize texture and color-related cues; (ii) an auxiliary self-supervised learning (SSL) branch leveraging masked autoencoding and contrastive learning to enrich style-invariant representations; (iii) a joint optimization strategy that balances supervised and self-supervised objectives for improved robustness; and (iv) an efficient inference pathway that retains a style-sensitive encoder while removing auxiliary components. Extensive experiments on interior design datasets demonstrate that SAT $$^{3}$$ achieves the best performance among the baselines evaluated in this study. Additional analyses indicate that the learned representations are more aligned with stylistic attributes and less dependent on semantic content, leading to improved generalization, particularly under limited annotation settings. These results highlight the effectiveness of the proposed approach for fine-grained style recognition and suggest its broader applicability to other style-driven visual understanding tasks.

شناسایی دقیق سبک طراحی داخلی به دلیل ماهیت ظریف و وابسته به زمینه نشانه‌های سبکی که اغلب با اشیای معنایی غالب درهم‌تنیده‌اند، چالش‌برانگیز است. در حالی که شبکه‌های عصبی کانولوشنی (CNN) به‌طور مؤثری بافت‌های محلی را استخراج می‌کنند، فاقد استدلال جهانی هستند؛ در مقابل، ترنسفورمرهای بینایی (Vision Transformers) روابط فضایی را مدل‌سازی می‌کنند اما ویژگی‌های ادراکی سبک را به‌طور صریح رمزگذاری نمی‌کنند. برای رفع این محدودیت‌ها، ما SAT $$^{3}$$ (ترنسفورمر توجه‌آگاه به سبک) را پیشنهاد می‌کنیم که چهار مؤلفه هم‌افزا را ادغام می‌کند: (i) تعبیه توجه به سبک که یک بخش ابتدایی CNN را با یک رمزگذار ترنسفورمر تقویت‌شده توسط ماژول توجه به سبک (SAM) برای تأکید بر نشانه‌های مرتبط با بافت و رنگ ترکیب می‌کند؛ (ii) یک شاخه یادگیری خودنظارتی کمکی (SSL) که با بهره‌گیری از رمزگشایی خودکار ماسک‌شده و یادگیری متضاد، نمایش‌های مستقل از سبک را غنی می‌سازد؛ (iii) یک راهبرد بهینه‌سازی مشترک که اهداف نظارت‌شده و خودنظارتی را برای افزایش پایداری متعادل می‌کند؛ و (iv) یک مسیر استنتاج کارآمد که رمزگذار حساس به سبک را حفظ کرده و مؤلفه‌های کمکی را حذف می‌کند. آزمایش‌های گسترده بر روی پایگاه‌های داده طراحی داخلی نشان می‌دهد که SAT $$^{3}$$ بهترین عملکرد را در میان روش‌های پایه ارزیابی‌شده در این مطالعه دارد. تحلیل‌های تکمیلی نشان می‌دهد که نمایش‌های یادگرفته‌شده با ویژگی‌های سبکی هم‌راستاتر و کمتر وابسته به محتوای معنایی هستند که منجر به بهبود تعمیم‌پذیری، به‌ویژه در شرایط برچسب‌گذاری محدود می‌شود. این نتایج اثربخشی رویکرد پیشنهادی را برای شناسایی دقیق سبک نشان داده و کاربرد گسترده‌تر آن را در سایر وظایف درک بصری مبتنی بر سبک پیشنهاد می‌کند.