論文の概要: Self-supervised learning unveils change in urban housing from
street-level images
- arxiv url: http://arxiv.org/abs/2309.11354v2
- Date: Thu, 21 Sep 2023 13:18:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-22 11:33:06.875585
- 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
- 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) - Where We Are and What We're Looking At: Query Based Worldwide Image
Geo-localization Using Hierarchies and Scenes [53.53712888703834]
地理的レベルの異なる関係を利用して、エンドツーエンドのトランスフォーマーベースのアーキテクチャを導入する。
4つの標準ジオローカライゼーションデータセット上で,アートストリートレベルの精度を実現する。
論文 参考訳(メタデータ) (2023-03-07T21:47:58Z) - A Contextual Master-Slave Framework on Urban Region Graph for Urban
Village Detection [68.84486900183853]
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。
論文 参考訳(メタデータ) (2022-11-26T18:17:39Z) - 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) - CitySurfaces: City-Scale Semantic Segmentation of Sidewalk Materials [6.573006589628846]
ほとんどの都市では、データ収集のコスト抑制と時間のかかる性質のために、表面の空間カタログが欠落している。
近年のコンピュータビジョンの進歩とストリートレベルの画像の入手は、都市が大規模に構築された環境データを抽出する新たな機会を提供する。
そこで我々は,歩道素材の分類にコンピュータビジョン技術を活用する,能動的学習ベースのフレームワークであるCitySurfacesを提案する。
論文 参考訳(メタデータ) (2022-01-06T21:58:37Z) - Near Real-Time Social Distancing in London [8.222106510438145]
新型コロナウイルス(COVID-19)のパンデミックの間、ロンドンの地方行政機関であるグレーター・ロンドン・オーソリティの政策担当者は、迅速かつ正確なデータソースに依存している。
プロジェクトの1つのコンポーネントは、一般市民によるソーシャルディスタンシングの遵守を見積もるために、既存のインフラを活用することです。
本手法により,ロンドンの街路における活動と身体的距離の即時サンプリングと文脈化が,ライブトラフィックカメラのフィードを通じて可能となる。
また,900以上のリアルタイムフィードへのアクティブなデプロイを記述しながら,既存のメソッドを検査し,改善するためのフレームワークを提案する。
論文 参考訳(メタデータ) (2020-12-07T22:49:38Z) - 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) - Learning to Factorize and Relight a City [70.81496092672421]
本研究では,屋外のシーンを時間的に異なる照明と永続的なシーン要素に遠ざけるための学習ベースのフレームワークを提案する。
照明効果やシーン形状の変化など,新しい画像のリアルな操作には,学習した不整合因子が有効であることを示す。
論文 参考訳(メタデータ) (2020-08-06T17:59:54Z)
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。