論文の概要: Exploration of latent space of LOD2 GML dataset to identify similar buildings

• arxiv url: http://arxiv.org/abs/2212.13965v1
• Date: Wed, 28 Dec 2022 17:16:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 13:21:31.117762
• Title: Exploration of latent space of LOD2 GML dataset to identify similar buildings
• Title（参考訳）: 類似建物同定のためのLOD2 GMLデータセットの潜時空間探索
• Authors: Deepank Verma, Olaf Mumm, Vanessa Miriam Carlow
• Abstract要約: 本研究では、3DオートエンコーダであるFoldingNetを用いて、ドイツの都市や村のLOD2 GMLデータセットから各建物の潜在表現を生成する。 ドイツのブランデンブルク州は、その方法論をテストする例として挙げられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Explainable numerical representations of otherwise complex datasets are vital as they extract relevant information, which is more convenient to analyze and study. These latent representations help identify clusters and outliers and assess the similarity between data points. The 3-D model of buildings is one dataset that possesses inherent complexity given the variety in footprint shape, distinct roof types, walls, height, and volume. Traditionally, comparing building shapes requires matching their known properties and shape metrics with each other. However, this requires obtaining a plethora of such properties to calculate similarity. In contrast, this study utilizes an autoencoder-based method to compute the shape information in a fixed-size vector form that can be compared and grouped with the help of distance metrics. This study uses "FoldingNet," a 3D autoencoder, to generate the latent representation of each building from the obtained LOD2 GML dataset of German cities and villages. The Cosine distance is calculated for each latent vector to determine the locations of similar buildings in the city. Further, a set of geospatial tools is utilized to iteratively find the geographical clusters of buildings with similar forms. The state of Brandenburg in Germany is taken as an example to test the methodology. The study introduces a novel approach to finding similar buildings and their geographical location, which can define the neighborhood's character, history, and social setting. Further, the process can be scaled to include multiple settlements where more regional insights can be made.
• Abstract（参考訳）: 複雑なデータセットの説明可能な数値表現は、関連する情報を抽出するのに不可欠であり、解析や研究により便利である。 これらの潜在表現は、クラスタと外れ値を特定し、データポイント間の類似性を評価するのに役立つ。 建物の3次元モデル(英: 3-d model of buildings)は、足跡形状、屋根の種類、壁、高さ、容積が異なるため、固有の複雑さを持つデータセットである。 伝統的に、建築形態を比較するには、既知の特性と形状のメトリクスをマッチングする必要がある。 しかし、これは類似性を計算するためにそのような性質の多元性を得る必要がある。 対照的に,本研究ではオートエンコーダに基づく手法を用いて,距離計測の助けを借りて比較・グループ化できる固定サイズのベクトル形状の形状情報を計算する。 本研究では,ドイツの都市と村のlod2 gmlデータセットから,各建物の潜在表現を生成する3次元オートエンコーダであるfoldingnetを用いた。 コサイン距離は、都市の類似した建物の位置を決定するために各潜在ベクトルに対して計算される。 さらに, 地理空間的ツールの集合を用いて, 類似した形態の建物の地理的クラスタを反復的に見つける。 ドイツのブランデンブルク州は、その方法論をテストする例として挙げられる。 この研究は、地区の性格、歴史、社会的環境を定義できる類似した建物とその地理的位置を見つけるための新しいアプローチを紹介している。 さらに、このプロセスは、より地域的な洞察ができる複数の開拓地を含むようにスケールできる。

関連論文リスト

• ClusterGraph: a new tool for visualization and compression of multidimensional data [0.0]
  本稿では,任意のクラスタリングアルゴリズムの出力に付加的なレイヤを提供する。 クラスタリングアルゴリズムから得られたクラスタのグローバルなレイアウトに関する情報を提供する。
  論文  参考訳（メタデータ） (2024-11-08T09:40:54Z)
• (Deep) Generative Geodesics [57.635187092922976]
  2つのデータポイント間の類似性を評価するために,新しい測定基準を導入する。 我々の計量は、生成距離と生成測地学の概念的定義に繋がる。 彼らの近似は、穏やかな条件下で真の値に収束することが証明されている。
  論文  参考訳（メタデータ） (2024-07-15T21:14:02Z)
• Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
  本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。 クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。 このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
  論文  参考訳（メタデータ） (2023-05-24T11:05:12Z)
• T1: Scaling Diffusion Probabilistic Fields to High-Resolution on Unified Visual Modalities [69.16656086708291]
  拡散確率場(DPF)は、距離空間上で定義された連続関数の分布をモデル化する。 本稿では,局所構造学習に着目したビューワイズサンプリングアルゴリズムによる新しいモデルを提案する。 モデルは、複数のモダリティを統一しながら、高解像度のデータを生成するためにスケールすることができる。
  論文  参考訳（メタデータ） (2023-05-24T03:32:03Z)
• BuildingNet: Learning to Label 3D Buildings [19.641000866952815]
  BuildingNet: (a)外装が一貫してラベル付けされている大規模な3Dビルディングモデル、(b)幾何学的プリミティブの分析と構造的関係をビルディングにラベル付けするニューラルネットワーク。 データセットは、家、教会、高層ビル、市役所、城などのカテゴリをカバーしている。
  論文  参考訳（メタデータ） (2021-10-11T01:45:26Z)
• Learning Feature Aggregation for Deep 3D Morphable Models [57.1266963015401]
  階層レベルで機能集約を向上するためのマッピング行列を学習するための注意に基づくモジュールを提案する。 実験の結果,マッピング行列のエンドツーエンドトレーニングにより,様々な3次元形状データセットの最先端結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-05-05T16:41:00Z)
• Joint Geometric and Topological Analysis of Hierarchical Datasets [7.098759778181621]
  本稿では,複数の階層的データセットに整理された高次元データに注目する。 この研究の主な新規性は、トポロジカルデータ分析と幾何多様体学習という、2つの強力なデータ分析アプローチの組み合わせにある。 本手法は, 最新手法と比較して優れた分類結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2021-04-03T13:02:00Z)
• BRepNet: A topological message passing system for solid models [6.214548392474976]
  境界表現(B-rep)モデルは、コンピュータ支援設計(CAD)アプリケーションで3D形状を記述する標準的な方法です。 我々は,B-repデータ構造を直接操作するように設計されたニューラルネットワークアーキテクチャであるBRepNetを紹介する。
  論文  参考訳（メタデータ） (2021-04-01T18:16:03Z)
• Mix Dimension in Poincar\'{e} Geometry for 3D Skeleton-based Action Recognition [57.98278794950759]
  グラフ畳み込みネットワーク(GCN)はすでに、不規則なデータをモデル化する強力な能力を実証している。 本稿では,ポアンカー幾何学を用いて定義した空間時空間GCNアーキテクチャを提案する。 提案手法を,現在最大規模の2つの3次元データセット上で評価する。
  論文  参考訳（メタデータ） (2020-07-30T18:23:18Z)
• Shape-Oriented Convolution Neural Network for Point Cloud Analysis [59.405388577930616]
  ポイントクラウドは3次元幾何学情報符号化に採用されている主要なデータ構造である。 形状指向型メッセージパッシング方式であるShapeConvを提案する。
  論文  参考訳（メタデータ） (2020-04-20T16:11:51Z)

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。