Fugu-MT 論文翻訳(概要): GANs for Urban Design

論文の概要: GANs for Urban Design

arxiv url: http://arxiv.org/abs/2105.01727v1
Date: Tue, 4 May 2021 19:50:24 GMT
ステータス: 処理完了
システム内更新日: 2021-05-07 00:37:41.596059
Title: GANs for Urban Design
Title（参考訳）: 都市デザインのためのGAN
Authors: Stanislava Fedorova
Abstract要約: 本論文で検討されたトピックは、都市ブロックの設計にGenerative Adversarial Networksを応用することである。この研究は、都市の形態学的特性に適応できる柔軟なモデルを提示する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Development and diffusion of machine learning and big data tools provide a new tool for architects and urban planners that could be used as analytical or design instruments. The topic investigated in this paper is the application of Generative Adversarial Networks to the design of an urban block. The research presents a flexible model able to adapt to the morphological characteristics of a city. This method does not define explicitly any of the parameters of an urban block typical for a city, the algorithm learns them from the existing urban context. This approach has been applied to the cities with different morphology: Milan, Amsterdam, Tallinn, Turin, and Bengaluru in order to see the performance of the model and the possibility of style translation between different cities. The data are gathered from Openstreetmap and Open Data portals of the cities. This research presents the results of the experiments and their quantitative and qualitative evaluation.
Abstract（参考訳）: 機械学習とビッグデータツールの開発と普及は、分析や設計の道具として使用できる、アーキテクトや都市計画者のための新しいツールを提供する。本稿では, 都市ブロックの設計における生成型逆ネットワークの応用について検討した。本研究は,都市の形態的特徴に適応可能な柔軟なモデルを提案する。本手法は,都市に典型的な都市ブロックのパラメータを明示的に定義せず,既存の都市コンテキストから学習する。このアプローチは、ミラノ、アムステルダム、タリン、トリノ、ベンガルルといった異なる形態の都市に適用され、モデルのパフォーマンスと異なる都市間のスタイル翻訳の可能性を確認する。データは都市のOpen StreetmapとOpen Dataポータルから収集される。本研究は,実験の結果と定量的・質的評価について述べる。

関連論文リスト

Leveraging Generative AI for Smart City Digital Twins: A Survey on the Autonomous Generation of Data, Scenarios, 3D City Models, and Urban Designs [6.827627003323929]
生成人工知能(AI)モデルは、データとコード生成において独自の価値を示してきた。この調査は、一般的な生成AIモデルとその応用分野の導入と、既存の都市科学応用のレビューから始まる。このレビューに基づいて、次世代の都市デジタル双生児に生成AIモデルを統合する可能性と技術的戦略について検討する。
論文参考訳（メタデータ） (2024-05-29T19:23:07Z)
MatrixCity: A Large-scale City Dataset for City-scale Neural Rendering and Beyond [69.37319723095746]
都市規模のニューラルレンダリング研究のための大規模で包括的で高品質な合成データセットを構築します。本研究では,地上カメラのポーズと追加データモダリティを伴って,航空・街路ビューを容易に収集するパイプラインを構築した。その結果得られたパイロットデータセットMatrixCityには、合計28km2$の2つの都市地図から、67kの空中画像と452kのストリート画像が含まれている。
論文参考訳（メタデータ） (2023-09-28T16:06:02Z)
Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文参考訳（メタデータ） (2023-08-24T16:20:00Z)
The Urban Toolkit: A Grammar-based Framework for Urban Visual Analytics [5.674216760436341]
都市問題の複雑な性質と利用可能なデータの圧倒的な量は、これらの取り組みを実用的な洞察に翻訳する上で大きな課題を提起している。興味のある特徴を分析する際、都市の専門家は、異なるテーマ(例えば、日光アクセス、人口統計)と物理的(例えば、建物、ストリートネットワーク)のデータ層を変換し、統合し、視覚化しなければならない。これにより、プログラマにとって視覚的なデータ探索とシステム実装が難しくなり、コンピュータ科学以外の都市の専門家にとって高い入り口障壁となる。
論文参考訳（メタデータ） (2023-08-15T13:43:04Z)
LibCity: A Unified Library Towards Efficient and Comprehensive Urban Spatial-Temporal Prediction [74.08181247675095]
既存の分野には、さまざまなフォーマットで使用が難しいオープンソースデータなど、制限がある。我々は、研究者に信頼性のある実験ツールと便利な開発フレームワークを提供するオープンソースライブラリ、LibCityを提案する。
論文参考訳（メタデータ） (2023-04-27T17:19:26Z)
Generative methods for Urban design and rapid solution space exploration [13.222198221605701]
本研究では,テンソル場に基づく都市モデルツールキットの実装について紹介する。提案手法は,ウォーターフロントエッジ,地形,ビュー軸,既存道路,ランドマーク,非幾何学的設計入力などのコンテキスト制約を符号化する。これによりユーザーは、モデル入力がほとんどない現実世界の都市に似た、多様な都市ファブリック構成を作成できる。
論文参考訳（メタデータ） (2022-12-13T17:58:02Z)
A Contextual Master-Slave Framework on Urban Region Graph for Urban Village Detection [68.84486900183853]
都市域を階層的にモデル化する都市域グラフ(URG)を構築した。そこで我々は,都市部をURGから効果的に検出する新しいコンテキスト・マスタ・スレーブ・フレームワークを設計した。提案手法は,都市部における紫外線検出の一般性と特異性のバランスをとることができる。
論文参考訳（メタデータ） (2022-11-26T18:17:39Z)
MetroGAN: Simulating Urban Morphology with Generative Adversarial Network [10.504296192020497]
本稿では,都市形態学シミュレーションのための地理知識,すなわちメトロポリタンGAN(MetroGAN)の枠組みを提案する。その結果,MetroGANはすべての指標において,最先端の都市シミュレーション手法よりも20%以上優れていた。
論文参考訳（メタデータ） (2022-07-06T11:02:24Z)
Spatio-Temporal Graph Few-Shot Learning with Cross-City Knowledge Transfer [58.6106391721944]
クロスシティの知識は、データ不足の都市から学んだモデルを活用して、データ不足の都市の学習プロセスに役立てるという、その将来性を示している。本稿では,ST-GFSLと呼ばれるS時間グラフのためのモデルに依存しない数ショット学習フレームワークを提案する。本研究では,4つの交通速度予測ベンチマークの総合的な実験を行い,ST-GFSLの有効性を最先端手法と比較した。
論文参考訳（メタデータ） (2022-05-27T12:46:52Z)
Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文参考訳（メタデータ） (2021-04-30T12:47:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。