論文の概要: Generation of BIM data based on the automatic detection, identification
and localization of lamps in buildings
- arxiv url: http://arxiv.org/abs/2401.05390v1
- Date: Mon, 18 Dec 2023 16:54:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 08:45:22.203716
- Title: Generation of BIM data based on the automatic detection, identification
and localization of lamps in buildings
- Title（参考訳）: ビルにおけるランプの自動検出・識別・位置推定に基づくBIMデータの生成
- Authors: Francisco Troncoso-Pastoriza, Pablo Egu\'ia-Oller, Rebeca P.
D\'iaz-Redondo, Enrique Granada-\'Alvarez
- Abstract要約: 本稿では,建物内のランプの検出,識別,位置決めを支援する手法を提案する。
提案手法は,照明設備の適切な管理を通じて,建築部門における省エネ戦略を適用する上で有用な情報を提供する。
- 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: In this paper we introduce a method that supports the detection,
identification and localization of lamps in a building, with the main goal of
automatically feeding its energy model by means of Building Information
Modeling (BIM) methods. The proposed method, thus, provides useful information
to apply energy-saving strategies to reduce energy consumption in the building
sector through the correct management of the lighting infrastructure. Based on
the unique geometry and brightness of lamps and the use of only greyscale
images, our methodology is able to obtain accurate results despite its low
computational needs, resulting in near-real-time processing. The main novelty
is that the focus of the candidate search is not over the entire image but
instead only on a limited region that summarizes the specific characteristics
of the lamp. The information obtained from our approach was used on the Green
Building XML Schema to illustrate the automatic generation of BIM data from the
results of the algorithm.
- Abstract（参考訳）: 本稿では,建築情報モデリング(bim)手法によるエネルギーモデルの自動供給を主目的とし,建物内のランプの検出,識別,位置決めを支援する手法を提案する。
提案手法は,照明インフラの適正な管理により,建築部門におけるエネルギー消費量を削減するための省エネ戦略を適用するための有用な情報を提供する。
ランプのユニークな形状と明るさ、およびグレースケール画像のみの使用に基づいて、計算能力の低さにもかかわらず精度の高い結果を得ることができ、ほぼリアルタイムな処理が可能となる。
主な目新しさは、候補探索の焦点が画像全体ではなく、ランプの特定の特性を要約する限られた領域にのみ置かれることである。
提案手法から得られた情報は,グリーンビルディングXMLスキーマを用いて,アルゴリズムの結果からBIMデータの自動生成を示す。
関連論文リスト
- ALEN: A Dual-Approach for Uniform and Non-Uniform Low-Light Image Enhancement [6.191556429706728]
不適切な照明は、情報損失や画質の低下を招き、監視などの様々な応用に影響を及ぼす可能性がある。
現在のエンハンスメント技術は、しばしば特定のデータセットを使用して低照度画像を強化するが、様々な現実世界の条件に適応する際の課題は残る。
アダプティブ・ライト・エンハンスメント・ネットワーク (ALEN) を導入し、その主なアプローチは、ローカル照明とグローバル照明の強化が必要であるかどうかを決定するための分類機構を使用することである。
論文 参考訳（メタデータ） (2024-07-29T05:19:23Z) - Use of BIM Data as Input and Output for Improved Detection of Lighting
Elements in Buildings [0.0]
本稿では,建物における照明要素の自動検出,識別,位置特定のための完全な手法を提案する。
検出システムは、これまでの作業から大きく改善され、以下の2つの主な貢献があります。
論文 参考訳（メタデータ） (2023-12-18T17:38:49Z) - SplitNeRF: Split Sum Approximation Neural Field for Joint Geometry,
Illumination, and Material Estimation [65.99344783327054]
本稿では, 実世界の物体の形状, 材料特性, 照明特性を推定してデジタル化する手法を提案する。
提案手法は,実時間物理ベースのレンダリングに画像ベースの照明で使用される分割和近似を,レーダランスニューラルネットワーク(NeRF)パイプラインに組み込む。
提案手法は,NVIDIA A100 GPUを1つのGPUで1時間に1ドル程度のトレーニングをした後で,最先端のリライト品質を実現することができる。
論文 参考訳（メタデータ） (2023-11-28T10:36:36Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳（メタデータ） (2023-08-31T04:58:17Z) - Toward an ImageNet Library of Functions for Global Optimization
Benchmarking [0.0]
本研究では,認識問題を画像認識問題に変換することを提案する。
教師付きマルチクラス画像認識問題として対処し、基本的ニューラルネットワークモデルを適用して解決する。
この明らかに成功した学習は、自動特徴抽出とBBO問題の局所構造推論への別のステップである。
論文 参考訳（メタデータ） (2022-06-27T21:05:00Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳（メタデータ） (2021-10-07T02:28:18Z) - Scene Inference for Object Illumination Editing [24.529871334658573]
IHデータセットと呼ばれる大規模で高品質なデータセットを作成するために,物理ベースのレンダリング手法を適用した。
また,多タスク協調ネットワークである深層学習に基づくSI-GAN法を提案し,オブジェクトの照明を編集する。
提案したSI-GANは,画像ベースのオブジェクト照明編集のための実用的で効果的なソリューションであり,最先端の手法に対する手法の優位性を検証している。
論文 参考訳（メタデータ） (2021-07-31T05:02:52Z) - Sparse Needlets for Lighting Estimation with Spherical Transport Loss [89.52531416604774]
NeedleLightは、新しい照明推定モデルであり、必要に応じて照明を表現し、周波数領域と空間領域を共同で照明推定することができる。
大規模な実験により、NeedleLightは、最先端の手法と比較して、複数の評価指標で常に優れた照明推定を実現していることがわかった。
論文 参考訳（メタデータ） (2021-06-24T15:19:42Z) - Energy-Efficient and Federated Meta-Learning via Projected Stochastic
Gradient Ascent [79.58680275615752]
エネルギー効率のよいメタラーニングフレームワークを提案する。
各タスクは別々のエージェントによって所有されていると仮定するため、メタモデルをトレーニングするために限られたタスクが使用される。
論文 参考訳（メタデータ） (2021-05-31T08:15:44Z) - Object-based Illumination Estimation with Rendering-aware Neural
Networks [56.01734918693844]
個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。
推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
論文 参考訳（メタデータ） (2020-08-06T08:23:19Z)
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。