論文の概要: Integrating 3D City Data through Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2310.11555v1
- Date: Tue, 17 Oct 2023 20:00:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-19 12:08:12.874674
- Title: Integrating 3D City Data through Knowledge Graphs
- Title（参考訳）: 知識グラフによる3次元都市データの統合
- Authors: Linfang Ding, Guohui Xiao, Albulen Pano, Mattia Fumagalli, Dongsheng
Chen, Yu Feng, Diego Calvanese, Hongchao Fan, Liqiu Meng
- Abstract要約: CityGMLは、Open Geospatial Consortium (OGC)によって広く採用されている3D都市モデルの表現と交換のための標準である。
CityGMLデータをクエリする可能性は、十分に活用されていない。
本稿では3DCityDBへの宣言的マッピングを用いて,CityGMLの概念を投入するためのCityGML KGフレームワークについて述べる。
- 参考スコア（独自算出の注目度）: 8.240949685537784
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: CityGML is a widely adopted standard by the Open Geospatial Consortium (OGC)
for representing and exchanging 3D city models. The representation of semantic
and topological properties in CityGML makes it possible to query such 3D city
data to perform analysis in various applications, e.g., security management and
emergency response, energy consumption and estimation, and occupancy
measurement. However, the potential of querying CityGML data has not been fully
exploited. The official GML/XML encoding of CityGML is only intended as an
exchange format but is not suitable for query answering. The most common way of
dealing with CityGML data is to store them in the 3DCityDB system as relational
tables and then query them with the standard SQL query language. Nevertheless,
for end users, it remains a challenging task to formulate queries over 3DCityDB
directly for their ad-hoc analytical tasks, because there is a gap between the
conceptual semantics of CityGML and the relational schema adopted in 3DCityDB.
In fact, the semantics of CityGML itself can be modeled as a suitable ontology.
The technology of Knowledge Graphs (KGs), where an ontology is at the core, is
a good solution to bridge such a gap. Moreover, embracing KGs makes it easier
to integrate with other spatial data sources, e.g., OpenStreetMap and existing
(Geo)KGs (e.g., Wikidata, DBPedia, and GeoNames), and to perform queries
combining information from multiple data sources. In this work, we describe a
CityGML KG framework to populate the concepts in the CityGML ontology using
declarative mappings to 3DCityDB, thus exposing the CityGML data therein as a
KG. To demonstrate the feasibility of our approach, we use CityGML data from
the city of Munich as test data and integrate OpenStreeMap data in the same
area.
- Abstract（参考訳）: CityGMLはOpen Geospatial Consortium (OGC)によって広く採用されている3D都市モデルの表現と交換のための標準である。
CityGMLにおける意味的およびトポロジ的特性の表現により、セキュリティ管理や緊急対応、エネルギー消費と推定、占有率の測定など、様々なアプリケーションにおいて、このような3D都市データをクエリして分析することが可能となる。
しかし、CityGMLデータをクエリする可能性は十分に活用されていない。
CityGMLの公式GML/XMLエンコーディングは交換フォーマットとしてのみ意図されているが、クエリ応答には適していない。
CityGMLデータを扱う最も一般的な方法は、それらをリレーショナルテーブルとして3DCityDBシステムに格納し、標準のSQLクエリ言語でクエリすることです。
しかし、エンドユーザにとっては、CityGMLの概念的セマンティクスと3DCityDBで採用されているリレーショナルスキーマとの間にギャップがあるため、アドホックな分析タスクを直接3DCityDB上でクエリを定式化することは依然として難しい作業である。
実際、CityGML自体の意味論は適切なオントロジーとしてモデル化できる。
オントロジーが中心となる知識グラフ(KGs)の技術は、そのようなギャップを埋めるための良い解決策である。
さらに、KGsを採用することで、OpenStreetMapや既存の(Geo)KGs(Wikidata、DBPedia、GeoNamesなど)といった他の空間データソースとの統合が容易になり、複数のデータソースからの情報を組み合わせたクエリの実行が容易になる。
本稿では,3DCityDBへの宣言的マッピングを用いて,CityGMLのオントロジーに概念を投入するCityGML KGフレームワークについて述べる。
提案手法の実現可能性を示すために,ミュンヘン市のcitygmlデータをテストデータとして使用し,同じエリアにopenstreemapデータを統合する。
関連論文リスト
- CityGuessr: City-Level Video Geo-Localization on a Global Scale [54.371452373726584]
本稿では, 都市, 州, 国, 大陸を階層的に予測することを目的とした, グローバルな地平化の新たな課題を提案する。
この問題を解決するためのモデルをトレーニングするために、世界中をカバーした大規模なビデオデータセットは存在しない。
我々は、世界中の166都市から68,269の動画からなる新しいデータセット、CityGuessr68kを紹介した。
論文 参考訳（メタデータ） (2024-11-10T03:20:00Z) - ControlCity: A Multimodal Diffusion Model Based Approach for Accurate Geospatial Data Generation and Urban Morphology Analysis [6.600555803960957]
本稿では,アクセス可能なVGIデータと完全なVGIデータを利用して,都市建物のフットプリントデータの生成を支援するマルチソース地理データ変換ソリューションを提案する。
次に,多モード拡散モデルに基づく地理データ変換手法であるControlCityを提案する。
世界の22都市での実験では、ControlCityが実際の都市建築パターンをシミュレートすることに成功している。
論文 参考訳（メタデータ） (2024-09-25T16:03:33Z) - UrBench: A Comprehensive Benchmark for Evaluating Large Multimodal Models in Multi-View Urban Scenarios [60.492736455572015]
複雑な多視点都市シナリオにおけるLMM評価のためのベンチマークであるUrBenchを提案する。
UrBenchには、リージョンレベルとロールレベルの両方で、厳密にキュレートされた11.6Kの質問が含まれている。
21のLMMに対する評価は、現在のLMMが都市環境においていくつかの面で苦戦していることを示している。
論文 参考訳（メタデータ） (2024-08-30T13:13:35Z) - 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) - CityRefer: Geography-aware 3D Visual Grounding Dataset on City-scale
Point Cloud Data [15.526523262690965]
都市レベルの視覚的接地のためのCityReferデータセットについて紹介する。
データセットは、SensatUrbanの都市シーンに現れる3Dオブジェクトの35kの自然言語記述と、OpenStreetMapと同期する5kのランドマークラベルで構成されている。
論文 参考訳（メタデータ） (2023-10-28T18:05:32Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳（メタデータ） (2023-10-10T00:03:23Z) - Semi-supervised Learning from Street-View Images and OpenStreetMap for
Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。
提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。
予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文 参考訳（メタデータ） (2023-07-05T18:16:30Z) - Towards a GML-Enabled Knowledge Graph Platform [0.5904265865319825]
本稿では、RDFエンジン上のサービスとして、オンデマンドグラフ機械学習(GML)であるKGNetを提案する。
KGNetはタスク固有のサブグラフを識別することで、KG上でGMLモデルのトレーニングを自動化する。
トレーニングされたモデルはすべて、SPARQLライクなクエリを通じてアクセス可能である。
論文 参考訳（メタデータ） (2023-03-03T17:41:11Z) - MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。
MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。
提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
論文 参考訳（メタデータ） (2023-01-11T03:05:12Z) - Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset,
Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。
私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。
我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文 参考訳（メタデータ） (2020-09-07T14:47:07Z)
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。