論文の概要: A Contextual Master-Slave Framework on Urban Region Graph for Urban
Village Detection
- arxiv url: http://arxiv.org/abs/2211.14633v1
- Date: Sat, 26 Nov 2022 18:17:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 19:25:28.052448
- Title: A Contextual Master-Slave Framework on Urban Region Graph for Urban
Village Detection
- Title(参考訳): 都市村検出のための都市域グラフのコンテキストマスタースレーブフレームワーク
- Authors: Congxi Xiao, Jingbo Zhou, Jizhou Huang, Hengshu Zhu, Tong Xu, Dejing
Dou, Hui Xiong
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 68.84486900183853
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Urban villages (UVs) refer to the underdeveloped informal settlement falling
behind the rapid urbanization in a city. Since there are high levels of social
inequality and social risks in these UVs, it is critical for city managers to
discover all UVs for making appropriate renovation policies. Existing
approaches to detecting UVs are labor-intensive or have not fully addressed the
unique challenges in UV detection such as the scarcity of labeled UVs and the
diverse urban patterns in different regions. To this end, we first build an
urban region graph (URG) to model the urban area in a hierarchically structured
way. Then, we design a novel contextual master-slave framework to effectively
detect the urban village from the URG. The core idea of such a framework is to
firstly pre-train a basis (or master) model over the URG, and then to
adaptively derive specific (or slave) models from the basis model for different
regions. The proposed framework can learn to balance the generality and
specificity for UV detection in an urban area. Finally, we conduct extensive
experiments in three cities to demonstrate the effectiveness of our approach.
- Abstract(参考訳): 都市村 (UV) は、都市の急速な都市化の背後にある未発達の非公式の集落を指す。
これらのUVには高いレベルの社会的不平等と社会的リスクがあるため、市マネジャーは適切な改修政策を行うためにすべてのUVを見つけることが重要である。
既存のUV検出アプローチは、労働集約的であるか、ラベル付きUVの不足や異なる地域の多様な都市パターンなど、UV検出におけるユニークな課題に完全に対処していない。
この目的のために,まず都市域グラフ(urg)を構築し,階層構造的に都市域をモデル化する。
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。
このようなフレームワークの中核となる考え方は、まずURG上でベース(またはマスタ)モデルを事前訓練し、その後、異なる領域のベースモデルから特定の(またはスレーブ)モデルを適応的に導出することである。
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。
最後に,3都市で広範な実験を行い,その効果を実証した。
関連論文リスト
- Urban Region Pre-training and Prompting: A Graph-based Approach [10.375941950028938]
我々は、地域表現学習のためのtextbfG$raph-based $textbfU$rban $textbfR$egion $textbfP$re-training と $textbfP$rompting フレームワークを提案する。
論文 参考訳(メタデータ) (2024-08-12T05:00:23Z) - CityX: Controllable Procedural Content Generation for Unbounded 3D Cities [50.10101235281943]
現在の生成法は多様性、可制御性または忠実度に乏しい。
本研究では,高忠実度生成のための手続き的コンテンツ生成(PCG)技術を利用する。
我々は,OSM,セマンティックマップ,衛星画像などのマルチモーダル命令を実行可能なプログラムに変換するマルチエージェントフレームワークを開発した。
提案手法はCityXと呼ばれ,多種多様で制御可能でリアルな3D都市景観の創出において,その優位性を実証するものである。
論文 参考訳(メタデータ) (2024-07-24T18:05:13Z) - COHO: Context-Sensitive City-Scale Hierarchical Urban Layout Generation [1.5745692520785073]
都市規模の都市レイアウト生成のための新しいグラフベースのマスク付きオートエンコーダ(GMAE)を提案する。
この方法は、属性付き建物、都市ブロック、コミュニティ、都市を統一的なグラフ構造に符号化する。
提案手法は,米国330都市における異質な都市スタイルにおける良好な現実性,意味的整合性,正当性を実現する。
論文 参考訳(メタデータ) (2024-07-16T00:49:53Z) - UVMap-ID: A Controllable and Personalized UV Map Generative Model [67.71022515856653]
制御可能でパーソナライズされたUVマップ生成モデルであるUVMap-IDを導入する。
従来の2次元の大規模学習法とは異なり,本研究では,事前学習したテキスト・画像拡散モデルの微調整を提案する。
定量的および定性的な解析は、制御可能でパーソナライズされたUVマップ生成における本手法の有効性を示す。
論文 参考訳(メタデータ) (2024-04-22T20:30:45Z) - 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) - 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) - 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) - 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) - 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)
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。