Trend AnalysisArts & Design

Street Art Documentation Through Computer Vision: Mapping Urban Creativity at Scale

Street art is inherently ephemeral—murals are painted over, stickers peel, and buildings are demolished. Computer vision and street view imagery analysis now enable systematic documentation and spatial analysis of urban art at a scale impossible through traditional fieldwork.

By Sean K.S. Shin

This blog summarizes research trends based on published paper abstracts. Specific numbers or findings may contain inaccuracies. For scholarly rigor, always consult the original papers cited in each post.

Why It Matters

Street art occupies a paradoxical position in cultural documentation: it is among the most visible art forms (displayed on public surfaces for anyone to see) and among the most poorly documented (no institutional collection, no catalogue raisonne, no systematic archive). A mural painted today may be gone tomorrow—painted over by property owners, weathered by climate, or demolished with its building. Google estimates that street art has an average lifespan of just a few years, yet it represents one of the most vibrant and culturally significant art movements of the 21st century.

Computer vision and street view imagery (SVI) offer a scalable solution. By training models to identify, classify, and geolocate street art in street-level imagery, researchers can create living maps of urban creativity that update as cities change. This intersection of art documentation and computational analysis opens new research possibilities: mapping the spatial distribution of artistic expression, tracking cultural influence patterns across neighborhoods, and preserving visual records of works that will inevitably disappear.

The Science / The Practice

Spatial Analysis of Graffiti in Urban Green Spaces

Cercleux et al. (2025) analyze graffiti and street art in Romanian urban parks, examining their spatial distribution and relationship to public discourse. The study uses systematic photographic documentation combined with spatial analysis to map where urban art appears in green spaces—a context where art is often viewed as either enrichment or invasion. The research identifies patterns: street art clusters near park entrances and along major pathways, correlating with foot traffic rather than aesthetic considerations. This spatial intelligence has implications for both urban planning and cultural policy.

Street Art as Urban Transformation Agent

Pavel (2025) examines how street art and graffiti influence urban regeneration, community participation, and cultural identity in Bucharest. Using qualitative methods combining field observations and photographic documentation, the study demonstrates that street art functions as both a symptom and a driver of neighborhood transformation. Areas with high concentrations of street art attract creative economy workers, tourists, and media attention—creating feedback loops that accelerate gentrification. The documentation methodology itself is notable: systematic photographic surveys of entire neighborhoods over time, creating visual records of change.

Street View Imagery Mapping Frameworks

Ning et al. (2025), with 1 citation, introduce SIM, a general mapping framework for built environment auditing based on street view imagery. While not specifically focused on street art, SIM provides the technical infrastructure that enables large-scale visual documentation of any urban feature, including art. The framework demonstrates how Google Street View and similar platforms can be systematically analyzed using computer vision to create comprehensive spatial databases of urban visual elements—an approach directly applicable to street art mapping.

Computer Vision for Urban Visual Analysis

Ye et al. (2025), with 6 citations, review the use of street view imagery in urban analysis more broadly, demonstrating the maturity of computer vision techniques for extracting structured information from urban photographs. Their review catalogs the deep learning architectures (object detection, semantic segmentation, scene classification) that enable automated analysis of street-level imagery. These same techniques—trained on appropriate datasets—can identify murals, graffiti tags, stencil art, and paste-ups in millions of street view images, enabling documentation at a scale no team of human researchers could achieve.

Street Art Documentation Methods

Method	Scale	Precision	Temporal Coverage	Limitation
Manual fieldwork photography	Single neighborhood	High (context captured)	Point-in-time	Labor-intensive, non-scalable
Street view imagery + CV	City or region-wide	Moderate	Multi-year (SVI updates)	Dependent on SVI coverage
Crowdsourced platforms (e.g., Street Art Cities)	Global	Variable	Ongoing	Biased toward popular works
Drone survey	District-level	High (multiple angles)	Point-in-time	Regulatory constraints
Satellite imagery	City-wide	Low (only large murals)	Regular intervals	Resolution limits

What To Watch

The convergence of computer vision, street view imagery, and cultural analytics will enable "living maps" of urban art that track creation, modification, and disappearance of works over time. Watch for AI models specifically trained to distinguish street art styles (stencil, wildstyle graffiti, mural, paste-up), enabling automated art-historical analysis of urban visual culture. The ethical dimension—whether systematic documentation of illegal graffiti aids or hinders artists—will require careful negotiation between researchers, artists, and authorities.

Explore related work through ORAA ResearchBrain.

왜 중요한가

거리 예술은 문화적 문서화에 있어 역설적인 위치를 점한다. 거리 예술은 가장 가시적인 예술 형태(공공 표면에 누구나 볼 수 있도록 전시됨)인 동시에, 가장 열악하게 기록되는 예술 형태(기관 소장 없음, 카탈로그 레조네 없음, 체계적인 아카이브 없음) 중 하나이다. 오늘 그려진 벽화는 내일 사라질 수 있다—건물주에 의해 덧칠되거나, 기후로 인해 풍화되거나, 건물 철거와 함께 소멸한다. Google은 거리 예술의 평균 수명이 불과 몇 년에 불과하다고 추정하지만, 거리 예술은 21세기의 가장 활기차고 문화적으로 중요한 예술 운동 중 하나를 대표한다.

컴퓨터 비전과 스트리트 뷰 이미지(SVI)는 확장 가능한 해결책을 제시한다. 모델을 훈련하여 거리 수준의 이미지에서 거리 예술을 식별·분류·지리적으로 위치를 파악함으로써, 연구자들은 도시 변화에 따라 업데이트되는 살아있는 도시 창의성 지도를 만들 수 있다. 예술 문서화와 계산적 분석의 이 교차점은 새로운 연구 가능성을 열어준다: 예술적 표현의 공간적 분포 매핑, 인근 지역 간 문화적 영향 패턴 추적, 그리고 필연적으로 사라질 작품들의 시각적 기록 보존이 그것이다.

연구 내용

도시 녹지 공간 내 그라피티의 공간 분석

Cercleux et al. (2025)은 루마니아 도시 공원의 그라피티와 거리 예술을 분석하며, 그 공간적 분포와 공공 담론과의 관계를 검토한다. 이 연구는 체계적인 사진 문서화와 공간 분석을 결합하여 녹지 공간에서 도시 예술이 등장하는 위치를 매핑한다—이는 예술이 흔히 풍요로움 또는 침해로 여겨지는 맥락이다. 연구는 패턴을 식별한다: 거리 예술은 공원 입구 근처와 주요 통행로를 따라 군집하며, 이는 미적 고려보다 유동 인구와 상관관계를 보인다. 이러한 공간적 인사이트는 도시 계획과 문화 정책 모두에 시사점을 가진다.

도시 변혁의 동인으로서의 거리 예술

Pavel (2025)은 거리 예술과 그라피티가 부쿠레슈티의 도시 재생, 커뮤니티 참여, 문화적 정체성에 미치는 영향을 검토한다. 현장 관찰과 사진 문서화를 결합한 정성적 방법을 사용하여, 이 연구는 거리 예술이 인근 지역 변혁의 증상이자 동인으로서 기능함을 입증한다. 거리 예술이 고밀도로 집중된 지역은 창조경제 종사자, 관광객, 미디어의 주목을 끌어들이며—이는 젠트리피케이션을 가속화하는 피드백 루프를 만든다. 문서화 방법론 자체도 주목할 만하다: 시간 경과에 따른 전체 인근 지역에 대한 체계적인 사진 조사를 통해 변화의 시각적 기록을 생성한다.

스트리트 뷰 이미지 매핑 프레임워크

Ning et al. (2025)은 피인용 1회로, 스트리트 뷰 이미지 기반의 건축 환경 감사를 위한 일반 매핑 프레임워크인 SIM을 소개한다. 거리 예술에만 초점을 맞추지는 않지만, SIM은 예술을 포함한 모든 도시적 특징을 대규모로 시각적으로 문서화할 수 있는 기술적 인프라를 제공한다. 이 프레임워크는 Google Street View 및 유사 플랫폼을 컴퓨터 비전을 활용해 체계적으로 분석하여 도시 시각 요소의 포괄적인 공간 데이터베이스를 생성하는 방법을 보여주며—이는 거리 예술 매핑에 직접 적용 가능한 접근법이다.

도시 시각 분석을 위한 컴퓨터 비전

Ye et al. (2025)은 피인용 6회로, 도시 분석에서 스트리트 뷰 이미지 활용을 보다 광범위하게 검토하며, 도시 사진에서 구조화된 정보를 추출하는 컴퓨터 비전 기술의 성숙도를 입증한다. 이들의 리뷰는 거리 수준 이미지의 자동화된 분석을 가능하게 하는 딥러닝 아키텍처(객체 탐지, 시맨틱 세그멘테이션, 장면 분류)를 목록화한다. 적절한 데이터셋으로 훈련된 동일한 기술들은 수백만 개의 스트리트 뷰 이미지에서 벽화, 그라피티 태그, 스텐실 아트, 페이스트업을 식별할 수 있어—어떤 인간 연구팀도 달성할 수 없는 규모의 문서화를 가능하게 한다.

거리 예술 문서화 방법

방법	규모	정밀도	시간적 커버리지	한계
수동 현장 사진 촬영	단일 인근 지역	높음 (맥락 포착)	특정 시점	노동 집약적, 확장 불가
스트리트 뷰 이미지 + CV	도시 또는 지역 규모	중간	다년간 (SVI 업데이트)	SVI 커버리지에 의존
크라우드소싱 플랫폼 (예: Street Art Cities)	글로벌	가변적	지속적	인기 작품 편향
드론 조사	지구 수준	높음 (다각도)	특정 시점	규제 제약
위성 이미지	도시 전체	낮음 (대형 벽화만)	정기적 간격	해상도 한계

주목할 동향

컴퓨터 비전, 스트리트 뷰 이미지, 문화 분석학의 융합은 시간 경과에 따른 작품의 생성·수정·소멸을 추적하는 도시 예술의 '살아있는 지도'를 가능하게 할 것이다. 거리 예술 양식(스텐실, 와일드스타일 그라피티, 벽화, 페이스트업)을 구별하도록 특별히 훈련된 AI 모델에 주목하라—이는 도시 시각 문화에 대한 자동화된 미술사적 분석을 가능하게 한다. 불법 그라피티의 체계적 문서화가 예술가들에게 도움이 되는지 방해가 되는지에 관한 윤리적 차원의 문제는 연구자, 예술가, 당국 간의 신중한 협의를 필요로 할 것이다.

ORAA ResearchBrain을 통해 관련 연구를 탐색하라.

References (4)

[1] Cercleux, A.-L., Banica, A., & Bogan, E. (2025). Decoding Graffiti and Street Art Attributes in Romanian Urban Parks: Spatial Distribution and Public Discourse. Sustainability, 17(12).

DOI Scholar

[2] Pavel, G. (2025). Painting the City: The Role of Street Art and Graffiti in Bucharest's Urban Transformation. Annals of the University of Bucharest - Geography, 74(1).

DOI Scholar

[3] Ning, H., Li, Z., & Yu, M. (2025). SIM: A mapping framework for built environment auditing based on street view imagery. arXiv.

DOI Scholar

[4] Ye, X., Li, S., & Gong, W. (2025). Street View Imagery in Traffic Crash and Road Safety Analysis: A Review. Applied Spatial Analysis and Policy.

DOI Scholar

Street Art Documentation Through Computer Vision: Mapping Urban Creativity at Scale

Why It Matters

The Science / The Practice

Spatial Analysis of Graffiti in Urban Green Spaces

Street Art as Urban Transformation Agent

Street View Imagery Mapping Frameworks

Computer Vision for Urban Visual Analysis

Street Art Documentation Methods

What To Watch

왜 중요한가

연구 내용

도시 녹지 공간 내 그라피티의 공간 분석

도시 변혁의 동인으로서의 거리 예술

스트리트 뷰 이미지 매핑 프레임워크

도시 시각 분석을 위한 컴퓨터 비전

거리 예술 문서화 방법

주목할 동향

References (4)

Explore this topic deeper