論文の概要: Causally Aware Generative Adversarial Networks for Light Pollution
Control
- arxiv url: http://arxiv.org/abs/2401.06453v1
- Date: Fri, 12 Jan 2024 08:57:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 19:55:21.022936
- Title: Causally Aware Generative Adversarial Networks for Light Pollution
Control
- Title（参考訳）: 光汚染対策のための生成逆ネットワークの因果的認識
- Authors: Yuyao Zhang, Ke Guo, Xiao Zhou
- Abstract要約: 過剰な照明は光汚染を引き起こす可能性があり、経済的負担、生態系、人間の健康に非無視的な脅威をもたらす。
我々はCausally Aware Generative Adversarial Networks (CAGAN) という新しいフレームワークを紹介する。
この革新的なアプローチは、都市における光汚染の基本的な要因を明らかにし、最適な照明資源割り当てのためのインテリジェントなソリューションを提供することを目的としている。
- 参考スコア（独自算出の注目度）: 17.823594255913594
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial light plays an integral role in modern cities, significantly
enhancing human productivity and the efficiency of civilization. However,
excessive illumination can lead to light pollution, posing non-negligible
threats to economic burdens, ecosystems, and human health. Despite its critical
importance, the exploration of its causes remains relatively limited within the
field of artificial intelligence, leaving an incomplete understanding of the
factors contributing to light pollution and sustainable illumination planning
distant. To address this gap, we introduce a novel framework named Causally
Aware Generative Adversarial Networks (CAGAN). This innovative approach aims to
uncover the fundamental drivers of light pollution within cities and offer
intelligent solutions for optimal illumination resource allocation in the
context of sustainable urban development. We commence by examining light
pollution across 33,593 residential areas in seven global metropolises. Our
findings reveal substantial influences on light pollution levels from various
building types, notably grasslands, commercial centers and residential
buildings as significant contributors. These discovered causal relationships
are seamlessly integrated into the generative modeling framework, guiding the
process of generating light pollution maps for diverse residential areas.
Extensive experiments showcase CAGAN's potential to inform and guide the
implementation of effective strategies to mitigate light pollution. Our code
and data are publicly available at
https://github.com/zhangyuuao/Light_Pollution_CAGAN.
- Abstract（参考訳）: 現代都市では人工光が重要な役割を担い、人間の生産性と文明の効率を大幅に向上させた。
しかし、過剰な照明は光害につながる可能性があり、経済的負担、生態系、人間の健康に対する無視できない脅威となる。
その重要な重要性にもかかわらず、その原因の探索は人工知能の分野では比較的限定的であり、光汚染や持続可能な照明計画に寄与する要因について不完全な理解を残している。
このギャップに対処するために、Causally Aware Generative Adversarial Networks (CAGAN) という新しいフレームワークを導入する。
この革新的なアプローチは、都市内の光汚染の基本要因を明らかにし、持続可能な都市開発における最適な照明資源配分のためのインテリジェントなソリューションを提供することを目的としている。
世界の7大都市圏における33,593戸の住宅地における光害調査を開始。
本研究は,草原,商業施設,住宅など,各種建築物の光害レベルに大きな影響があることを明らかにした。
これらの因果関係を生成モデルフレームワークにシームレスに統合し, 多様な住宅地を対象とした光汚染マップ作成のプロセスを導く。
広範な実験は、カガンが光害を軽減する効果的な戦略の実行を知らせ、指導する可能性を示している。
私たちのコードとデータはhttps://github.com/zhangyuuao/light_pollution_caganで公開されている。
関連論文リスト
- Novel Approach for Predicting the Air Quality Index of Megacities through Attention-Enhanced Deep Multitask Spatiotemporal Learning [0.2886273197127056]
大気汚染は、特に都市部において、世界中の人間の健康にとって最も深刻な環境脅威の1つだ。
人口1000万人を超える都市として定義されるメガシティーは、深刻な汚染のホットスポットとして頻繁に見られる。
本稿では,長期記憶ネットワークに基づく注意力強化型ディープラーニングモデルを提案する。
論文 参考訳（メタデータ） (2024-07-15T23:43:50Z) - LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions [61.87108000328186]
レーン検出(LD)は自律走行システムにおいて不可欠な要素であり、適応型クルーズ制御や自動車線センターなどの基本的な機能を提供している。
既存のLDベンチマークは主に、環境錯覚に対するLDモデルの堅牢性を無視し、一般的なケースを評価することに焦点を当てている。
本稿では、LDに対する環境錯覚による潜在的な脅威について検討し、LanEvilの最初の総合ベンチマークを確立する。
論文 参考訳（メタデータ） (2024-06-03T02:12:27Z) - Towards Greener Nights: Exploring AI-Driven Solutions for Light Pollution Management [1.0650780147044159]
我々は,様々な場所や時間で観測される空の輝きの程度を推定できる予測モデルを開発することを目的とする。
本研究は、証拠に基づく介入を通知し、責任ある屋外照明の実践を促進することを目的としている。
論文 参考訳（メタデータ） (2024-04-15T04:41:53Z) - Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。
群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。
いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
論文 参考訳（メタデータ） (2024-02-14T13:20:24Z) - ML4EJ: Decoding the Role of Urban Features in Shaping Environmental
Injustice Using Interpretable Machine Learning [1.616733806935934]
本研究は, 大気汚染, 都市熱, 洪水の3つの主要な危険因子の曝露格差に対する各種都市特性の影響を解析するために, 解釈可能な機械学習モデルを構築した。
この性能は、都市の特徴の変化が環境の危険度にどの程度の違いがあるかを測定するために用いられる。
本研究から得られた知見は, 都市の特徴と環境リスク曝露格差との相互作用について, 新たな視点を与えるものである。
論文 参考訳（メタデータ） (2023-10-03T22:48:58Z) - 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) - On the Risk of Misinformation Pollution with Large Language Models [127.1107824751703]
本稿では,現代大規模言語モデル (LLM) の誤用の可能性について検討する。
本研究は, LLMが効果的な誤情報発生器として機能し, DOQAシステムの性能が著しく低下することを明らかにする。
論文 参考訳（メタデータ） (2023-05-23T04:10:26Z) - Deciphering Environmental Air Pollution with Large Scale City Data [0.0]
交通や発電所からの排出、家庭からの排出、自然発生など、様々な要因が大気汚染の上昇の背後にある主要な原因要因または影響要因であることが知られている。
本稿では,これらのエージェント間の関係を長期にわたって探索するための大規模都市情報データセットを提案する。
また,多種多様なモデルと方法論を用いて汚染物質レベルを推定または予測する問題に対するベンチマークのセットを提供する。
論文 参考訳（メタデータ） (2021-09-09T22:00:51Z) - Transportation Density Reduction Caused by City Lockdowns Across the
World during the COVID-19 Epidemic: From the View of High-resolution Remote
Sensing Imagery [48.52477000522933]
新型コロナウイルス(COVID-19)の流行は、2020年前半に悪化し始めた。
厳しい封鎖政策が世界中の多くの都市で実行され、人間の感染を制御し、拡散を緩和した。
中心市街地6都市におけるロックダウン前後の交通密度の低減について定量的に検討した。
論文 参考訳（メタデータ） (2021-03-02T13:45:16Z) - Optimising Placement of Pollution Sensors in Windy Environments [0.696125353550498]
大気汚染は世界の死亡率の最も重要な原因の1つです。
奇妙な最適化はセンサーの位置の選択に有用であることが証明されているが、大気汚染の統計的構造を無視するカーネル機能に依存している。
本研究では,2つの新しい風化カーネルについて説明し,最大公害の能動的に学習する作業に対する利点を検討する。
論文 参考訳（メタデータ） (2020-12-19T20:16:49Z) - STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。
提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。
STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
論文 参考訳（メタデータ） (2020-11-10T02:28:47Z)
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。