論文の概要: Self-supervised learning unveils change in urban housing from street-level images

• arxiv url: http://arxiv.org/abs/2309.11354v1
• Date: Wed, 20 Sep 2023 14:35:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-21 12:36:13.224600
• Title: Self-supervised learning unveils change in urban housing from street-level images
• Title（参考訳）: ストリートレベルの画像から都市住宅の自己教師型学習
• Authors: Steven Stalder, Michele Volpi, Nicolas B\"uttner, Stephen Law, Kenneth Harttgen, Esra Suel
• Abstract要約: Street2Vecは、手動のアノテーションなしで季節や日々の変更に不変ながら、都市構造を組み込む。 ロンドンの住宅供給の点レベルの変化をストリートレベルの画像から特定し、主要な変化とマイナーな変化を区別した。 この能力は、より活気があり、公平で持続可能な都市に向けた都市計画や政策決定のためのタイムリーな情報を提供することができる。
• 参考スコア（独自算出の注目度）: 2.0971479389679337
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cities around the world face a critical shortage of affordable and decent housing. Despite its critical importance for policy, our ability to effectively monitor and track progress in urban housing is limited. Deep learning-based computer vision methods applied to street-level images have been successful in the measurement of socioeconomic and environmental inequalities but did not fully utilize temporal images to track urban change as time-varying labels are often unavailable. We used self-supervised methods to measure change in London using 15 million street images taken between 2008 and 2021. Our novel adaptation of Barlow Twins, Street2Vec, embeds urban structure while being invariant to seasonal and daily changes without manual annotations. It outperformed generic embeddings, successfully identified point-level change in London's housing supply from street-level images, and distinguished between major and minor change. This capability can provide timely information for urban planning and policy decisions toward more liveable, equitable, and sustainable cities.
• Abstract（参考訳）: 世界中の都市は、手頃でまともな住宅が不足している。 政策の重要さにもかかわらず、都市の住宅の進捗を効果的に監視・追跡する能力は限られている。 街路レベルの画像に適用した深層学習に基づくコンピュータビジョン手法は、社会経済的・環境的不平等の測定に成功しているが、時間変動ラベルがしばしば利用できないため、時間変化の追跡には時間的イメージを十分に利用しなかった。 2008年から2021年の間に撮影された1500万の街路画像を用いて、ロンドンにおける変化を測定するために自己監督手法を用いた。 バーロウ双生児の新たな適応であるstreet2vecは,手動アノテーションを使わずに季節変化や日々の変化に不変ながら都市構造を埋め込む。 一般的な埋め込みよりも優れ、ストリートレベルの画像からロンドンの住宅供給のポイントレベルの変化を識別し、主要とマイナーな変更を区別した。 この機能は、より生き生きと公平で持続可能な都市に向けた都市計画と政策決定のためのタイムリーな情報を提供することができる。

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)
• StreetSurfGS: Scalable Urban Street Surface Reconstruction with Planar-based Gaussian Splatting [85.67616000086232]
  StreetSurfGSは、スケーラブルな街路景観の再構築に適したガウススプラッティングを利用するための最初の方法である。 StreetSurfGSは、平面ベースのオクツリー表現とセグメンテーショントレーニングを使用して、メモリコストを削減し、ユニークなカメラ特性に対応し、スケーラビリティを確保する。 スパースビューとマルチスケールの課題に対処するために、隣接する情報と長期情報を活用する2段階マッチング戦略を用いる。
  論文  参考訳（メタデータ） (2024-10-06T04:21:59Z)
• URSimulator: Human-Perception-Driven Prompt Tuning for Enhanced Virtual Urban Renewal via Diffusion Models [10.498291811234726]
  都市身体障害は、コミュニティの安全、幸福、心理的状態に悪影響を及ぼす。 都市再生 (Urban Renewal) は、住民の身体環境と生活の質を改善するために、市内の無視された地域と崩壊した地域を再活性化するプロセスである。 現在の研究では、更新作業の影響を定量的に評価し視覚化するシミュレーションツールが欠如している。 本稿では,人間の知覚フィードバックを用いて街路環境改善をシミュレートする新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-22T20:39:32Z)
• Streetscapes: Large-scale Consistent Street View Generation Using Autoregressive Video Diffusion [61.929653153389964]
  そこで本研究では,街並みを連続的に合成した街並みの景観を再現する手法を提案する。 我々の手法は、視覚的品質と一貫性を維持しつつ、複数の都市ブロックにまたがる、はるかに長い範囲のカメラ軌道にスケールすることができる。
  論文  参考訳（メタデータ） (2024-07-18T17:56:30Z)
• MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
  最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。 公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。 本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
  論文  参考訳（メタデータ） (2024-07-11T17:56:49Z)
• CityPulse: Fine-Grained Assessment of Urban Change with Street View Time Series [12.621355888239359]
  都市変革は、個人と地域社会の両方に大きな社会的影響を及ぼす。 本研究では,大規模に構築された環境における物理的変化を効果的に捉えるために,エンドツーエンドの変更検出モデルを提案する。 我々のアプローチは既存のデータセットを補完し、都市の変化をきめ細やかに正確に評価する可能性がある。
  論文  参考訳（メタデータ） (2024-01-02T08:57:09Z)
• 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)
• City-Wide Perceptions of Neighbourhood Quality using Street View Images [5.340189314359048]
  本稿では,ロンドンに拠点を置き,画像とレーティングの収集,Web開発,モデルトレーニング,マッピングなどの手法について述べる。 住民の社会的結束、コミュニティの感覚、安全、活動、メンタルヘルスに影響を与える。
  論文  参考訳（メタデータ） (2022-11-22T10:16:35Z)
• Urban form and COVID-19 cases and deaths in Greater London: an urban morphometric approach [63.29165619502806]
  新型コロナウイルスのパンデミックは、都市密度に関してかなりの議論を巻き起こした。 これは19世紀中頃のイングランドで、公衆衛生と都市計画の分野が出現して始まった古い議論である。 都市形態を個々の建物レベルで記述し、その後、公的な近隣住民の情報を集約する。
  論文  参考訳（メタデータ） (2022-10-16T10:01:10Z)
• Modeling Fashion Influence from Photos [108.58097776743331]
  位置情報とファッションブランドの2つのチャンネルに沿って、ファッションの影響を探究する。 44大都市からの770万枚のInstagramの写真の大規模なデータセットを活用しています。 以上の結果から,空間的・時間的に視覚的スタイルを進化させる利点が示唆された。
  論文  参考訳（メタデータ） (2020-11-17T20:24:03Z)
• Urban Mosaic: Visual Exploration of Streetscapes Using Large-Scale Image Data [13.01318877814786]
  都市モザイク (Urban Mosaic) は、ニューヨーク市の770万枚のストリートレベルの画像からなる空間的・時間的に密集したデータセットを通して、都市の織物を探索するためのツールである。
  論文  参考訳（メタデータ） (2020-08-31T02:23:12Z)

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。