論文の概要: MetroGAN: Simulating Urban Morphology with Generative Adversarial Network

• arxiv url: http://arxiv.org/abs/2207.02590v1
• Date: Wed, 6 Jul 2022 11:02:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 09:44:42.467690
• Title: MetroGAN: Simulating Urban Morphology with Generative Adversarial Network
• Title（参考訳）: metrogan: 生成的逆ネットワークによる都市形態のシミュレーション
• Authors: Weiyu Zhang, Yiyang Ma, Di Zhu, Lei Dong, Yu Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.504296192020497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating urban morphology with location attributes is a challenging task in urban science. Recent studies have shown that Generative Adversarial Networks (GANs) have the potential to shed light on this task. However, existing GAN-based models are limited by the sparsity of urban data and instability in model training, hampering their applications. Here, we propose a GAN framework with geographical knowledge, namely Metropolitan GAN (MetroGAN), for urban morphology simulation. We incorporate a progressive growing structure to learn hierarchical features and design a geographical loss to impose the constraints of water areas. Besides, we propose a comprehensive evaluation framework for the complex structure of urban systems. Results show that MetroGAN outperforms the state-of-the-art urban simulation methods by over 20% in all metrics. Inspiringly, using physical geography features singly, MetroGAN can still generate shapes of the cities. These results demonstrate that MetroGAN solves the instability problem of previous urban simulation GANs and is generalizable to deal with various urban attributes.
• Abstract（参考訳）: 都市形態と位置特性のシミュレーションは都市科学における課題である。 近年の研究では、GAN(Generative Adversarial Networks)がこの課題に光を当てる可能性があることが示されている。 しかし、既存のGANベースのモデルは、都市データの範囲とモデルトレーニングの不安定さによって制限されており、その適用を妨げている。 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を持ったGANフレームワーク,すなわちMetropolitan GAN(MetroGAN)を提案する。 我々は,階層的な特徴を学習し,水域の制約を課すために地理的損失を設計するために,進行的成長構造を取り入れた。 さらに,都市システムの複雑な構造を包括的に評価する枠組みを提案する。 その結果,metroganは最先端都市シミュレーション手法を20%以上上回っていることがわかった。 刺激的なことに、MetroGANは物理的地理的特徴を単独で利用して、都市の形状を生成できる。 これらの結果から,MetroGAN は過去の都市シミュレーション GAN の不安定性を解消し,様々な都市特性を扱えることを示した。

関連論文リスト

• MetroGNN: Metro Network Expansion with Reinforcement Learning [29.418145526587313]
  都市の異種マルチグラフにおけるマルコフ決定プロセスに対処するための強化学習フレームワークを提案する。 このアプローチでは,グラフニューラルネットワークが取得した情報に基づいて,インテリジェントにノードを選択する,注意型ポリシネットワークを採用している。
  論文  参考訳（メタデータ） (2024-03-14T09:09:15Z)
• 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)
• Prediction of Transportation Index for Urban Patterns in Small and Medium-sized Indian Cities using Hybrid RidgeGAN Model [0.0]
  本研究は,中小都市における都市交通指標の予測におけるいくつかの課題に対処する。 Kernel Ridge Regression(KRR)とCityGANに基づくハイブリッドフレームワークを導入し、交通指標を予測する。 提案したハイブリッドパイプラインはリッジGANモデルと呼ばれ、都市スプロールの持続可能性を評価することができる。
  論文  参考訳（メタデータ） (2023-06-09T15:05:40Z)
• 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)
• 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)
• Effective Urban Region Representation Learning Using Heterogeneous Urban Graph Attention Network (HUGAT) [0.0]
  都市域の表現を学習するためのヘテロジニアスな都市グラフアテンションネットワーク(HUGAT)を提案する。 ニューヨークのデータに関する我々の実験では、HUGATは最先端のすべてのモデルより優れています。
  論文  参考訳（メタデータ） (2022-02-18T04:59:20Z)
• GANs for Urban Design [0.0]
  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。
  論文  参考訳（メタデータ） (2021-05-04T19:50:24Z)
• 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)
• Empowering Urban Governance through Urban Science: Multi-scale Dynamics of Urban Systems Worldwide [0.0]
  現在の都市科学は将来の都市政策に有用な基盤を提供することができる。 都市の進化に関する国際比較は、国家の領土の枠組みが都市システムの力学と厳密に一致しているとは限らないため、しばしば不確実な結果をもたらす。 地域・国家境界を超えた都市の動的ネットワークを考慮した都市システムの構築を提案する。
  論文  参考訳（メタデータ） (2020-05-20T12:47:40Z)
• Physical-Virtual Collaboration Modeling for Intra-and Inter-Station Metro Ridership Prediction [116.66657468425645]
  本研究では,複雑なライダーシップパターンをテーラー設計グラフから効果的に学習できる物理仮想協調グラフネットワーク(PVCGN)を提案する。 特に、物理グラフは、研究されたメトロシステムの現実的なトポロジーに基づいて直接構築される。 類似度グラフと相関グラフを仮想トポロジで構築し, 駅間交通流の類似度と相関関係を導出する。
  論文  参考訳（メタデータ） (2020-01-14T16:47:54Z)

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。