論文の概要: ReCo: A Dataset for Residential Community Layout Planning

• arxiv url: http://arxiv.org/abs/2206.04678v1
• Date: Wed, 8 Jun 2022 17:19:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-13 15:35:15.964734
• Title: ReCo: A Dataset for Residential Community Layout Planning
• Title（参考訳）: ReCo: 住宅用コミュニティレイアウトプランニング用データセット
• Authors: Xi Chen, Yun Xiong, Siqi Wang, Haofen Wang, Tao Sheng, Yao Zhang, Yu Ye
• Abstract要約: ReCoは、37,646人の居住コミュニティレイアウトプランを持つ複数のデータ形式で提供され、598,728の住宅ビルを高さ情報でカバーしている。 自動住宅群落配置計画におけるReCoの有効性を検証するため,GANに基づく生成モデルを適用した。
• 参考スコア（独自算出の注目度）: 16.274140773891837
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Layout planning is centrally important in the field of architecture and urban design. Among the various basic units carrying urban functions, residential community plays a vital part for supporting human life. Therefore, the layout planning of residential community has always been of concern, and has attracted particular attention since the advent of deep learning that facilitates the automated layout generation and spatial pattern recognition. However, the research circles generally suffer from the insufficiency of residential community layout benchmark or high-quality datasets, which hampers the future exploration of data-driven methods for residential community layout planning. The lack of datasets is largely due to the difficulties of large-scale real-world residential data acquisition and long-term expert screening. In order to address the issues and advance a benchmark dataset for various intelligent spatial design and analysis applications in the development of smart city, we introduce Residential Community Layout Planning (ReCo) Dataset, which is the first and largest open-source vector dataset related to real-world community to date. ReCo Dataset is presented in multiple data formats with 37,646 residential community layout plans, covering 598,728 residential buildings with height information. ReCo can be conveniently adapted for residential community layout related urban design tasks, e.g., generative layout design, morphological pattern recognition and spatial evaluation. To validate the utility of ReCo in automated residential community layout planning, a Generative Adversarial Network (GAN) based generative model is further applied to the dataset. We expect ReCo Dataset to inspire more creative and practical work in intelligent design and beyond. The ReCo Dataset is published at: https://www.kaggle.com/fdudsde/reco-dataset.
• Abstract（参考訳）: レイアウト計画は建築と都市デザインの分野において中心的に重要である。 都市機能を有する様々な基本単位の中で、住宅コミュニティは人間の生活を支える重要な役割を担っている。 そのため,住宅群落のレイアウト計画は常に問題であり,自動レイアウト生成や空間パターン認識を容易にするディープラーニングの出現以降,特に注目されている。 しかし、研究サークルは一般的に、住宅コミュニティレイアウトベンチマークや高品質データセットの不足に苦しんでおり、住宅コミュニティレイアウト計画のためのデータ駆動型手法の今後の探求を妨げている。 データセットの欠如は、大規模な実世界の住宅データ取得と長期の専門家スクリーニングの難しさによるところが大きい。 スマートシティ開発における様々なインテリジェントな空間設計・分析アプリケーションのためのベンチマークデータセットの進歩と課題に対処するため,Residential Community Layout Planning (ReCo) Datasetを紹介した。 ReCo Datasetは、37,646人の居住コミュニティレイアウトプランを持つ複数のデータ形式で提供され、598,728の住宅情報を含む。 recoは、生成的レイアウト設計、形態的パターン認識、空間評価など、住宅コミュニティレイアウトに関連した都市デザインタスクに便利に対応できる。 自動化された住宅コミュニティレイアウト計画におけるrecoの有用性を検証するために、データセットに、gan(generative adversarial network)ベースの生成モデルをさらに適用する。 ReCo Datasetは、インテリジェントデザインなどにおいて、より創造的で実践的な仕事を刺激することを期待しています。 ReCo Datasetはhttps://www.kaggle.com/fdudsde/reco-datasetで公開されている。

関連論文リスト

• Classification of residential and non-residential buildings based on satellite data using deep learning [0.0]
  本稿では,高分解能衛星データとベクトルデータを組み合わせて,高性能なビルディング分類を実現する新しいディープラーニング手法を提案する。 大規模データセットによる実験結果から,F1スコアの0.9936が得られた。
  論文  参考訳（メタデータ） (2024-11-11T11:23:43Z)
• Extracting the U.S. building types from OpenStreetMap data [0.16060719742433224]
  この研究は、アメリカ合衆国全体をカバーする住宅・非住宅の分類を提供することで包括的なデータセットを作成する。 そこで我々は,ビルディングフットプリントと利用可能なOpenStreetMap情報に基づいて,ビルディングタイプを分類するための教師なし機械学習手法を提案し,活用する。 この検証は、非住宅の建物分類の高精度化と、住宅用建物の高いリコールを示す。
  論文  参考訳（メタデータ） (2024-09-09T15:05:27Z)
• MSD: A Benchmark Dataset for Floor Plan Generation of Building Complexes [6.9924720592711935]
  textbfModified Swiss Dwellings (MSD) - 大規模なフロアプランデータセット。 MSDは中規模から大規模の複合住宅の5.3K以上のフロアプランがあり、18.9K以上のアパートをカバーしている。
  論文  参考訳（メタデータ） (2024-07-14T08:51:25Z)
• 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)
• Semi-supervised Learning from Street-View Images and OpenStreetMap for Automatic Building Height Estimation [59.6553058160943]
  本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。 提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。 予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
  論文  参考訳（メタデータ） (2023-07-05T18:16:30Z)
• Human-instructed Deep Hierarchical Generative Learning for Automated Urban Planning [57.91323079939641]
  我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。 最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。 第2の段階は、都市機能投影を形成するための計画要件を理解することである。 第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
  論文  参考訳（メタデータ） (2022-12-01T23:06:41Z)
• Automated Urban Planning aware Spatial Hierarchies and Human Instructions [33.06221365923015]
  本稿では,GAN(Generative Adversarial Network)に基づく都市プランナを提案する。 GANは人間の指示や周囲の文脈からの情報に基づいて都市機能ゾーンを構築する。 作業の有効性を検証するため、広範な実験を行います。
  論文  参考訳（メタデータ） (2022-09-26T20:37:02Z)
• Deep Human-guided Conditional Variational Generative Modeling for Automated Urban Planning [30.614010268762115]
  都市計画は土地利用形態を設計し、居住可能で持続可能で安全なコミュニティの構築に役立てることができる。 画像生成にインスパイアされた深層都市計画は、深層学習を活用して土地利用構成を生成することを目的としている。 本稿では, 上記の課題を共同で解決するための, 深層都市計画手法について検討する。
  論文  参考訳（メタデータ） (2021-10-12T15:45:38Z)
• Temporal Predictive Coding For Model-Based Planning In Latent Space [80.99554006174093]
  時間的に予測可能な環境要素を符号化するために,時間的予測符号化を用いた情報理論的手法を提案する。 本稿では,DMControl タスクの背景を複雑な情報を含む自然なビデオに置き換える,標準的な DMControl タスクの挑戦的な修正について評価する。
  論文  参考訳（メタデータ） (2021-06-14T04:31:15Z)
• 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)
• House-GAN: Relational Generative Adversarial Networks for Graph-constrained House Layout Generation [59.86153321871127]
  主な考え方は、制約をリレーショナルネットワークのグラフ構造にエンコードすることである。 我々は、新しい住宅レイアウト生成問題に対する提案されたアーキテクチャを実証した。
  論文  参考訳（メタデータ） (2020-03-16T03:16:12Z)

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。