Fugu-MT 論文翻訳(概要): Combining deep learning and crowdsourcing geo-images to predict housing quality in rural China

論文の概要: Combining deep learning and crowdsourcing geo-images to predict housing quality in rural China

arxiv url: http://arxiv.org/abs/2208.06997v1
Date: Mon, 15 Aug 2022 03:58:03 GMT
ステータス: 処理完了
システム内更新日: 2022-08-16 14:19:57.973281
Title: Combining deep learning and crowdsourcing geo-images to predict housing quality in rural China
Title（参考訳）: 深層学習とクラウドソーシングを組み合わせた中国農村部の住宅品質予測
Authors: Weipan Xu, Yu Gu, Yifan Chen, Yongtian Wang, Weihuan Deng, Xun Li
Abstract要約: 住宅の質は、地域の富、安全保障、健康にとって不可欠な指標である。大規模な農村画像を収集し、利用者に住宅の質を大規模に評価するよう依頼する。クラウドソーシング型農村画像に基づく住宅品質の自動的・効率的予測のためのディープラーニングフレームワークを提案する。
参考スコア（独自算出の注目度）: 20.16424972411847
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Housing quality is an essential proxy for regional wealth, security and health. Understanding the distribution of housing quality is crucial for unveiling rural development status and providing political proposals. However,present rural house quality data highly depends on a top-down, time-consuming survey at the national or provincial level but fails to unpack the housing quality at the village level. To fill the gap between accurately depicting rural housing quality conditions and deficient data,we collect massive rural images and invite users to assess their housing quality at scale. Furthermore, a deep learning framework is proposed to automatically and efficiently predict housing quality based on crowd-sourcing rural images.
Abstract（参考訳）: 住宅の質は地域の富、安全、健康に欠かせない指標である。住宅質の分布を理解することは、農村開発の現状を明らかにし、政治提案を行う上で重要である。しかし、現在の農村の住宅品質データは、全国・地方レベルでトップダウンの時間消費調査に大きく依存するが、村レベルの住宅品質を解き放たれていない。農村の住宅品質の正確な描写と不足データとのギャップを埋めるため,大規模農村画像を収集し,利用者に大規模住宅品質の評価を依頼する。さらに,クラウドソーシングによる農村画像に基づいて,住宅品質を自動的にかつ効率的に予測するための深層学習フレームワークを提案する。

関連論文リスト

A utility-based spatial analysis of residential street-level conditions; A case study of Rotterdam [1.2289361708127877]
本稿では,都市規模での住宅地選択における街路レベルの条件から導かれるユーティリティの空間分布について検討する。街路レベルの条件から派生したユーティリティは,高度に局所化されたスケールで大きく変化することがわかった。また,都市中心部の不動産価格が高いのは,街並みの魅力的な条件によるものではないことも明らかにした。
論文参考訳（メタデータ） (2024-10-23T13:52:22Z)
Exploring Rich Subjective Quality Information for Image Quality Assessment in the Wild [66.40314964321557]
我々は,リッチIQAという新しいIQA手法を提案し,MOSを超えるリッチな主観的評価情報を探索し,野生における画像品質を予測する。コンボリューショナル・ビジョン・トランスフォーマー(CvT)の強力な特徴表現能力を活用し、人間の脳の短期記憶機構と長期記憶機構を模倣する3段階画像品質予測ネットワークである。 RichIQAは、リッチな主観的評価ラベルを持つ複数の大規模IQAデータベースにおいて、最先端の競合より優れている。
論文参考訳（メタデータ） (2024-09-09T12:00:17Z)
Q-Ground: Image Quality Grounding with Large Multi-modality Models [61.72022069880346]
Q-Groundは、大規模な視覚的品質グラウンドに取り組むための最初のフレームワークである。 Q-Groundは、大規模なマルチモダリティモデルと詳細な視覚的品質分析を組み合わせる。コントリビューションの中心は、QGround-100Kデータセットの導入です。
論文参考訳（メタデータ） (2024-07-24T06:42:46Z)
Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
論文参考訳（メタデータ） (2024-05-14T12:43:43Z)
UV-SAM: Adapting Segment Anything Model for Urban Village Identification [25.286722125746902]
政府は都市村を監視するための調査手法に大きく依存している。衛星画像から都市村の境界を正確に識別するために,UV-SAM という都市村区分にセグメンションモデル(SAM)を適用した。 UV-SAMは、まず小さなセマンティックセグメンテーションモデルを利用して、マスク、バウンディングボックス、画像表現などの都市村の混合プロンプトを生成し、それをSAMに送り込み、きめ細かい境界識別を行う。
論文参考訳（メタデータ） (2024-01-16T03:21:42Z)
Towards Robust Text-Prompted Semantic Criterion for In-the-Wild Video Quality Assessment [54.31355080688127]
コントラスト言語画像事前学習(CLIP)を用いたテキストプロンプト付きセマンティック親和性品質指標(SAQI)とそのローカライズ版(SAQI-Local)を導入する。 BVQI-Localは前例のないパフォーマンスを示し、すべてのデータセットで既存のゼロショットインデックスを少なくとも24%上回る。我々は、異なる指標の異なる品質問題を調べるために包括的な分析を行い、設計の有効性と合理性を示す。
論文参考訳（メタデータ） (2023-04-28T08:06:05Z)
Learning and Reasoning Multifaceted and Longitudinal Data for Poverty Estimates and Livelihood Capabilities of Lagged Regions in Rural India [22.98110639419913]
このプロジェクトは、生活の質と生活の指標に基づいて、1990-2022年のインド農村の貧困状況を調べることを目的としている。また、因果関係や縦断的分析も検討し、貧困の原因について検討する。
論文参考訳（メタデータ） (2023-04-27T05:33:08Z)
Graph-based Village Level Poverty Identification [52.12744462605759]
Webインフラストラクチャとそのモデリングツールの開発は、貧しい村を識別するための新しいアプローチを提供する。地理的距離を通して村の接続をグラフとしてモデル化することにより,村の貧困状況とグラフトポロジ的位置との相関関係を示す。貧しい村を識別する最初のグラフベース手法を提案する。
論文参考訳（メタデータ） (2023-02-14T06:58:40Z)
Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
論文参考訳（メタデータ） (2023-01-04T05:19:33Z)
Visual Perception of Building and Household Vulnerability from Streets [0.294944680995069]
発展途上国では、コードの構築は時代遅れまたは強制されないことが多い。住宅の大部分が基準以下であり、自然災害や気候関連の出来事に弱い。本稿では,最初のキャプチャと将来の更新に費用効率のよい評価フレームワークを提案する。
論文参考訳（メタデータ） (2022-05-28T15:35:47Z)
Facebook Ads as a Demographic Tool to Measure the Urban-Rural Divide [6.61600499731972]
われわれは、Facebookの広告プラットフォームの有用性について検討する。我々は、Facebookが生み出す人口統計が、時間とともに不安定に陥り、人口の少ない自治体が不完全な範囲をカバーしていることを示す。公的な国勢調査データを用いて、我々のアプローチを評価し、教育の達成と収入の観点から、既知の重要な都市と農村の分断を確認した。
論文参考訳（メタデータ） (2020-02-26T17:19:24Z)

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。