論文の概要: CitySurfaces: City-Scale Semantic Segmentation of Sidewalk Materials
- arxiv url: http://arxiv.org/abs/2201.02260v1
- Date: Thu, 6 Jan 2022 21:58:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-10 15:41:29.678311
- Title: CitySurfaces: City-Scale Semantic Segmentation of Sidewalk Materials
- Title（参考訳）: 都市表面:歩道材料の都市規模セマンティックセグメンテーション
- Authors: Maryam Hosseini and Fabio Miranda and Jianzhe Lin and Claudio Silva
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.573006589628846
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: While designing sustainable and resilient urban built environment is
increasingly promoted around the world, significant data gaps have made
research on pressing sustainability issues challenging to carry out. Pavements
are known to have strong economic and environmental impacts; however, most
cities lack a spatial catalog of their surfaces due to the cost-prohibitive and
time-consuming nature of data collection. Recent advancements in computer
vision, together with the availability of street-level images, provide new
opportunities for cities to extract large-scale built environment data with
lower implementation costs and higher accuracy. In this paper, we propose
CitySurfaces, an active learning-based framework that leverages computer vision
techniques for classifying sidewalk materials using widely available
street-level images. We trained the framework on images from New York City and
Boston and the evaluation results show a 90.5% mIoU score. Furthermore, we
evaluated the framework using images from six different cities, demonstrating
that it can be applied to regions with distinct urban fabrics, even outside the
domain of the training data. CitySurfaces can provide researchers and city
agencies with a low-cost, accurate, and extensible method to collect sidewalk
material data which plays a critical role in addressing major sustainability
issues, including climate change and surface water management.
- Abstract（参考訳）: 持続可能でレジリエントな都市構築環境の設計は、世界中でますます推進されているが、重要なデータギャップは、持続可能性問題への挑戦を迫る研究に繋がった。
舗装は経済的・環境的な影響が強いことが知られているが、ほとんどの都市は費用がかかり、時間を要するデータ収集の性質から、その表面の空間カタログを欠いている。
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、都市がより低コストで精度の高い大規模構築環境データを抽出する新たな機会を提供する。
本稿では,街路面画像を用いた歩道資料の分類にコンピュータビジョン技術を活用した能動的学習基盤であるCitySurfacesを提案する。
我々は、ニューヨーク市とボストンの画像に基づいてフレームワークを訓練し、評価結果は90.5%のmIoUスコアを示した。
さらに,6つの異なる都市の画像を用いてフレームワークの評価を行い,トレーニングデータの領域外においても異なる都市構造を持つ地域に適用可能であることを示した。
citysurfacesは、気候変動や水面管理といった主要な持続可能性問題に対処する上で重要な役割を果たす歩道の材料データを収集する、低コストで正確で拡張可能な方法を研究者や市当局に提供することができる。
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) - BuildingView: Constructing Urban Building Exteriors Databases with Street View Imagery and Multimodal Large Language Mode [1.0937094979510213]
ストリートビュー・イメージリーの進歩と、都市研究との統合によって、都市分析において、外部建設はますます重要になっている。
我々は,Googleストリートビューの高解像度視覚データをOpenStreetMapの空間情報とOverpass APIを介して統合する新しいアプローチであるBuildingViewを提案する。
本研究は,都市の建築外装データの精度を向上し,キーサステナビリティと設計指標を特定し,その抽出と分類のための枠組みを開発する。
論文 参考訳（メタデータ） (2024-09-29T03:00:16Z) - 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) - 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) - Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for
Cross-City Semantic Segmentation using High-Resolution Domain Adaptation
Networks [82.82866901799565]
我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。
単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。
高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
論文 参考訳（メタデータ） (2023-09-26T23:55:39Z) - 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) - SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point
Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。
データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文 参考訳（メタデータ） (2022-01-12T14:48:11Z) - Sidewalk Measurements from Satellite Images: Preliminary Findings [10.870041943009722]
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。
論文 参考訳（メタデータ） (2021-12-12T02:22:46Z) - 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) - Urban Mosaic: Visual Exploration of Streetscapes Using Large-Scale Image
Data [13.01318877814786]
都市モザイク (Urban Mosaic) は、ニューヨーク市の770万枚のストリートレベルの画像からなる空間的・時間的に密集したデータセットを通して、都市の織物を探索するためのツールである。
論文 参考訳（メタデータ） (2020-08-31T02:23:12Z)
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。