論文の概要: Understanding Place Identity with Generative AI
- arxiv url: http://arxiv.org/abs/2306.04662v1
- Date: Wed, 7 Jun 2023 02:32:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 18:23:48.734967
- Title: Understanding Place Identity with Generative AI
- Title（参考訳）: 生成AIによる場所識別の理解
- Authors: Kee Moon Jang and Junda Chen and Yuhao Kang and Junghwan Kim and
Jinhyung Lee and F\'abio Duarte
- Abstract要約: 生成可能なAIモデルは、それらを識別可能な都市全体のイメージをキャプチャする可能性がある。
この研究は、構築された環境の人間の知覚を理解するために、生成的AIの能力を探求する最初の試みの一つである。
- 参考スコア（独自算出の注目度）: 2.1441748927508506
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Researchers are constantly leveraging new forms of data with the goal of
understanding how people perceive the built environment and build the
collective place identity of cities. Latest advancements in generative
artificial intelligence (AI) models have enabled the production of realistic
representations learned from vast amounts of data. In this study, we aim to
test the potential of generative AI as the source of textual and visual
information in capturing the place identity of cities assessed by filtered
descriptions and images. We asked questions on the place identity of a set of
31 global cities to two generative AI models, ChatGPT and DALL-E2. Since
generative AI has raised ethical concerns regarding its trustworthiness, we
performed cross-validation to examine whether the results show similar patterns
to real urban settings. In particular, we compared the outputs with Wikipedia
data for text and images searched from Google for image. Our results indicate
that generative AI models have the potential to capture the collective image of
cities that can make them distinguishable. This study is among the first
attempts to explore the capabilities of generative AI in understanding human
perceptions of the built environment. It contributes to urban design literature
by discussing future research opportunities and potential limitations.
- Abstract（参考訳）: 研究者たちは、人々が構築された環境をどのように認識するかを理解し、都市の集合的な場所アイデンティティを構築することを目標として、新しい形式のデータを常に活用している。
生成人工知能(AI)モデルの最近の進歩により、大量のデータから学んだ現実的な表現が作成できるようになった。
本研究では,フィルタ付き記述と画像で評価された都市の場所識別を捉える際に,テキスト情報や視覚情報源として生成aiの可能性をテストすることを目的とした。
私たちは、ChatGPTとDALL-E2という2つの生成AIモデルに対して、31のグローバルな都市の位置の同一性について質問した。
生成aiはその信頼性に関する倫理的懸念を提起してきたので、実際の都市環境に類似したパターンを示すかどうかを比較検討した。
特に、googleから検索されたテキストと画像の出力とwikipediaのデータを比較した。
以上の結果から, 生成型AIモデルは, 識別可能な都市の集合像を捉え得る可能性が示唆された。
この研究は、構築された環境の人間の知覚を理解するための生成aiの能力を探る最初の試みの1つです。
将来の研究機会と潜在的な限界について議論することで、都市デザイン文学に貢献する。
関連論文リスト
- Generative Artificial Intelligence Meets Synthetic Aperture Radar: A Survey [49.29751866761522]
本稿では,GenAIとSARの交差点について検討する。
まず、SAR分野における一般的なデータ生成ベースのアプリケーションについて説明する。
次に、最新のGenAIモデルの概要を体系的にレビューする。
最後に、SARドメインの対応するアプリケーションも含まれる。
論文 参考訳（メタデータ） (2024-11-05T03:06:00Z) - AIGCOIQA2024: Perceptual Quality Assessment of AI Generated Omnidirectional Images [70.42666704072964]
我々はAI生成の全方位画像IQAデータベースAIIGCOIQA2024を構築した。
3つの視点から人間の視覚的嗜好を評価するために、主観的IQA実験を行った。
我々は,データベース上での最先端IQAモデルの性能を評価するためのベンチマーク実験を行った。
論文 参考訳（メタデータ） (2024-04-01T10:08:23Z) - AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。
本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。
実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文 参考訳（メタデータ） (2023-10-03T06:55:19Z) - AI for the Generation and Testing of Ideas Towards an AI Supported
Knowledge Development Environment [2.0305676256390934]
生成AIが人間のバイアスを排除してアイデア生成を促進する方法について論じる。
また、検索が事実、論理、文脈をどう検証できるかについても記述する。
本稿では,知識労働者のためのシステムであるジェネレーション・アンド・サーチ・テスト(Generate and Search Test)を紹介し,個人が効率的にソリューションを作成できるようにする。
論文 参考訳（メタデータ） (2023-07-17T22:17:40Z) - DeepfakeArt Challenge: A Benchmark Dataset for Generative AI Art Forgery and Data Poisoning Detection [57.51313366337142]
悪意ある目的のために生成的AIを使用することについて懸念が高まっている。
生成AIを用いた視覚コンテンツ合成の領域では、画像偽造とデータ中毒が重要な関心事となっている。
DeepfakeArt Challenge(ディープフェイクアートチャレンジ)は、AIアートのジェネレーションとデータ中毒検出のための機械学習アルゴリズムの構築を支援するために設計された、大規模なチャレンジベンチマークデータセットである。
論文 参考訳（メタデータ） (2023-06-02T05:11:27Z) - Seeing is not always believing: Benchmarking Human and Model Perception
of AI-Generated Images [66.20578637253831]
人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。
本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
論文 参考訳（メタデータ） (2023-04-25T17:51:59Z) - A Comprehensive Survey of AI-Generated Content (AIGC): A History of
Generative AI from GAN to ChatGPT [63.58711128819828]
ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。
AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
論文 参考訳（メタデータ） (2023-03-07T20:36:13Z) - Urban Visual Intelligence: Studying Cities with AI and Street-level
Imagery [12.351356101876616]
本稿では,都市の外観と機能に関する文献を概観し,その理解に視覚情報がどのように使われているかを説明する。
概念的フレームワークであるUrban Visual Intelligenceは、新しい画像データソースとAI技術が、研究者が都市を知覚し、測定する方法をどう変えているか、詳しく説明するために導入された。
論文 参考訳（メタデータ） (2023-01-02T10:00:26Z) - Embodied AI-Driven Operation of Smart Cities: A Concise Review [3.441021278275805]
Embodied AIは、周囲の環境とのインタラクションを通じて学ぶことに焦点を当てている。
さまざまなアルゴリズム、アプローチ、ソリューションとともに、その定義、その特性、そして現在の成果を概観する。
そして、利用可能なシミュレーターと3D対話可能なデータベースを探索し、この分野の研究を可能とします。
論文 参考訳（メタデータ） (2021-08-22T19:14:59Z)
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。