본 논문은 지역적, 역사적, 사회적, 기술적 맥락에 따라 다양한 스타일을 보이는 건축 문화에 대한 연구를 제시합니다. 기존 연구의 주관적인 해석과 지역적 편향을 극복하기 위해, 다양한 지역과 시대의 고품질 건축 이미지 1,765개로 구성된 ArchDiffBench 데이터셋을 구축하고, 이를 기반으로 시각-언어 모델을 활용한 분석 프레임워크 ArchiLense를 제안합니다. ArchiLense는 컴퓨터 비전, 딥러닝, 머신러닝 알고리즘을 통합하여 건축 이미지의 자동 인식, 비교, 정확한 분류 및 스타일 차이를 설명하는 언어 출력을 생성합니다. 실험 결과, ArchiLense는 전문가 평가와 92.4%의 일치율, 84.5%의 분류 정확도를 달성하여 기존 연구보다 객관적이고 정확한 건축 스타일 분석을 가능하게 합니다.