論文の概要: Sidewalk Measurements from Satellite Images: Preliminary Findings

• arxiv url: http://arxiv.org/abs/2112.06120v1
• Date: Sun, 12 Dec 2021 02:22:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-14 18:42:08.108763
• Title: Sidewalk Measurements from Satellite Images: Preliminary Findings
• Title（参考訳）: 衛星画像からのサイドウォーク計測:予備発見
• Authors: Maryam Hosseini, Iago B. Araujo, Hamed Yazdanpanah, Eric K. Tokuda, Fabio Miranda, Claudio T. Silva, Roberto M. Cesar Jr
• Abstract要約: 我々はコンピュータビジョンモデルを訓練し、リモートセンシング画像から歩道、道路、建物を検出する。 抽出した歩道の異なる属性を解析するために形状解析手法を適用した。
• 参考スコア（独自算出の注目度）: 10.870041943009722
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale analysis of pedestrian infrastructures, particularly sidewalks, is critical to human-centric urban planning and design. Benefiting from the rich data set of planimetric features and high-resolution orthoimages provided through the New York City Open Data portal, we train a computer vision model to detect sidewalks, roads, and buildings from remote-sensing imagery and achieve 83% mIoU over held-out test set. We apply shape analysis techniques to study different attributes of the extracted sidewalks. More specifically, we do a tile-wise analysis of the width, angle, and curvature of sidewalks, which aside from their general impacts on walkability and accessibility of urban areas, are known to have significant roles in the mobility of wheelchair users. The preliminary results are promising, glimpsing the potential of the proposed approach to be adopted in different cities, enabling researchers and practitioners to have a more vivid picture of the pedestrian realm.
• Abstract（参考訳）: 歩行者のインフラ、特に歩道の大規模分析は、人間中心の都市計画と設計に不可欠である。 ニューヨーク市オープンデータポータルを通じて提供される多彩な平面的特徴と高解像度の正像から恩恵を受け、我々はコンピュータビジョンモデルを訓練し、リモートセンシング画像から歩道、道路、建物を検知し、ホールドアウトテストセットで83% mIoUを達成する。 抽出した歩道の異なる特性を研究するために形状解析手法を適用した。 より具体的には, 歩道の幅, 角度, 曲率をタイルワイズで解析し, 街路の歩行性, アクセシビリティに与える影響を別にすると, 車椅子利用者の移動に重要な役割を担っていることが知られている。 予備結果は有望であり、提案するアプローチが異なる都市で採用される可能性を示し、研究者や実践者がより鮮明に歩行者の領域を描けるようにしている。

関連論文リスト

• StreetviewLLM: Extracting Geographic Information Using a Chain-of-Thought Multimodal Large Language Model [12.789465279993864]
  地理空間予測は災害管理、都市計画、公衆衛生など様々な分野において重要である。 提案するStreetViewLLMは,大規模言語モデルと連鎖推論とマルチモーダルデータソースを統合した新しいフレームワークである。 このモデルは、香港、東京、シンガポール、ロサンゼルス、ニューヨーク、ロンドン、パリを含む7つの世界都市に適用されている。
  論文  参考訳（メタデータ） (2024-11-19T05:15:19Z)
• StreetSurfGS: Scalable Urban Street Surface Reconstruction with Planar-based Gaussian Splatting [85.67616000086232]
  StreetSurfGSは、スケーラブルな街路景観の再構築に適したガウススプラッティングを利用するための最初の方法である。 StreetSurfGSは、平面ベースのオクツリー表現とセグメンテーショントレーニングを使用して、メモリコストを削減し、ユニークなカメラ特性に対応し、スケーラビリティを確保する。 スパースビューとマルチスケールの課題に対処するために、隣接する情報と長期情報を活用する2段階マッチング戦略を用いる。
  論文  参考訳（メタデータ） (2024-10-06T04:21:59Z)
• MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
  最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。 公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。 本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
  論文  参考訳（メタデータ） (2024-07-11T17:56:49Z)
• Robust Pedestrian Detection via Constructing Versatile Pedestrian Knowledge Bank [51.66174565170112]
  本稿では,多目的な歩行者知識銀行を構築するための新しいアプローチを提案する。 我々は大規模な事前訓練モデルから歩行者の知識を抽出する。 次に、ほとんどの代表的特徴を定量化し、背景のシーンと区別できるように指導することで、それらをキュレートする。
  論文  参考訳（メタデータ） (2024-04-30T07:01:05Z)
• A shape-based heuristic for the detection of urban block artifacts in street networks [0.0]
  ストリートネットワークは都市のユビキタスな構成要素であり、開発を指導し、場所から場所への移動を可能にする。 グラフ表現は主に交通目的のために設計されている。 この表現は、交通ネットワークを単純化する必要がある他のユースケースには適していない。
  論文  参考訳（メタデータ） (2023-09-01T13:11:35Z)
• UrbanBIS: a Large-scale Benchmark for Fine-grained Urban Building Instance Segmentation [50.52615875873055]
  都市BISは6つの実際の都市のシーンで構成され、25億点があり、面積は10.78平方キロメートルである。 UrbanBISは、建物、車両、植生、道路、橋など、豊富な都市オブジェクトに意味レベルのアノテーションを提供する。 UrbanBISは、きめ細かいサブカテゴリを導入した最初の3Dデータセットである。
  論文  参考訳（メタデータ） (2023-05-04T08:01:38Z)
• Towards Mapping and Assessing Sidewalk Accessibility Across Sociocultural and Geographic Contexts [10.55901957962347]
  高品質なデータセットが欠如しており、歩道の存在と状況に関するそれに対応する分析が行われている。 まず、世界中の都市の歩道を特定して評価するためのスケーラブルなメカニズムを開発し、次に、このデータを使って新しい都市分析とモビリティツールをサポートする。
  論文  参考訳（メタデータ） (2022-07-27T16:38:01Z)
• Towards Global-Scale Crowd+AI Techniques to Map and Assess Sidewalks for People with Disabilities [10.096568479976725]
  世界中の歩道の位置、状況、アクセシビリティに関するデータが不足している。 本稿では,衛星画像から歩道ネットワークトポロジを半自動構築する作業について述べる。 私たちは、標準化されたベンチマークとともに、歩道と歩道アクセシビリティの問題のためのラベル付き衛星とストリートスケープシーンのデータベースを作成するための電話を締めくくった。
  論文  参考訳（メタデータ） (2022-06-28T01:05:08Z)
• CitySurfaces: City-Scale Semantic Segmentation of Sidewalk Materials [6.573006589628846]
  ほとんどの都市では、データ収集のコスト抑制と時間のかかる性質のために、表面の空間カタログが欠落している。 近年のコンピュータビジョンの進歩とストリートレベルの画像の入手は、都市が大規模に構築された環境データを抽出する新たな機会を提供する。 そこで我々は,歩道素材の分類にコンピュータビジョン技術を活用する,能動的学習ベースのフレームワークであるCitySurfacesを提案する。
  論文  参考訳（メタデータ） (2022-01-06T21:58:37Z)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)
• End-to-End Deep Structured Models for Drawing Crosswalks [98.9901717499058]
  我々は、両方の入力を地上に投影し、シーンのトップダウンビューを生成します。 次に,畳み込みニューラルネットワークを用いて横断歩道の位置に関する意味的手がかりを抽出する。 大都市での横断歩道実験では96.6%の自動化が可能であった。
  論文  参考訳（メタデータ） (2020-12-21T18:59:08Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。