論文の概要: UV-SAM: Adapting Segment Anything Model for Urban Village Identification

• arxiv url: http://arxiv.org/abs/2401.08083v2
• Date: Thu, 1 Feb 2024 08:05:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-02 18:26:02.077635
• Title: UV-SAM: Adapting Segment Anything Model for Urban Village Identification
• Title（参考訳）: UV-SAM: 都市識別のためのセグメントモデル
• Authors: Xin Zhang, Yu Liu, Yuming Lin, Qingmin Liao, Yong Li
• Abstract要約: 政府は都市村を監視するための調査手法に大きく依存している。 衛星画像から都市村の境界を正確に識別するために,UV-SAM という都市村区分にセグメンションモデル(SAM)を適用した。 UV-SAMは、まず小さなセマンティックセグメンテーションモデルを利用して、マスク、バウンディングボックス、画像表現などの都市村の混合プロンプトを生成し、それをSAMに送り込み、きめ細かい境界識別を行う。
• 参考スコア（独自算出の注目度）: 25.286722125746902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban villages, defined as informal residential areas in or around urban centers, are characterized by inadequate infrastructures and poor living conditions, closely related to the Sustainable Development Goals (SDGs) on poverty, adequate housing, and sustainable cities. Traditionally, governments heavily depend on field survey methods to monitor the urban villages, which however are time-consuming, labor-intensive, and possibly delayed. Thanks to widely available and timely updated satellite images, recent studies develop computer vision techniques to detect urban villages efficiently. However, existing studies either focus on simple urban village image classification or fail to provide accurate boundary information. To accurately identify urban village boundaries from satellite images, we harness the power of the vision foundation model and adapt the Segment Anything Model (SAM) to urban village segmentation, named UV-SAM. Specifically, UV-SAM first leverages a small-sized semantic segmentation model to produce mixed prompts for urban villages, including mask, bounding box, and image representations, which are then fed into SAM for fine-grained boundary identification. Extensive experimental results on two datasets in China demonstrate that UV-SAM outperforms existing baselines, and identification results over multiple years show that both the number and area of urban villages are decreasing over time, providing deeper insights into the development trends of urban villages and sheds light on the vision foundation models for sustainable cities. The dataset and codes of this study are available at https://github.com/tsinghua-fib-lab/UV-SAM.
• Abstract（参考訳）: 都市中心部や周辺の非公式住宅地として定義される都市村は、貧困、適切な住宅、持続可能な都市に関する持続可能な開発目標(sdgs)と密接に関連した、不十分なインフラと貧弱な生活条件によって特徴づけられる。 伝統的に、政府は都市村を監視するための現地調査手法に大きく依存しており、それは時間がかかり、労働集約的であり、おそらく遅れている。 衛星画像の広範かつタイムリーな更新により、近年の研究では、都市村を効率的に検出するためのコンピュータビジョン技術が開発されている。 しかし、既存の研究は単純な都市村のイメージ分類にフォーカスするか、正確な境界情報の提供に失敗している。 衛星画像から都市境界を正確に同定するために,視覚基盤モデルのパワーを活用し,Segment Anything Model(SAM)をUV-SAMという都市分割に適用する。 具体的には、UV-SAMは、まず小さなセマンティックセグメンテーションモデルを利用して、マスク、バウンディングボックス、画像表現を含む都市村の混合プロンプトを生成し、それをSAMに供給し、きめ細かい境界識別を行う。 中国における2つのデータセットに関する広範な実験の結果は、uv-samが既存のベースラインよりも優れており、何年にもわたっての識別結果から、都市村の数と面積は時間とともに減少しており、都市村の発展トレンドに関する深い洞察を与え、持続可能な都市のビジョン基盤モデルに光を当てている。 この研究のデータセットとコードはhttps://github.com/tsinghua-fib-lab/UV-SAMで公開されている。

関連論文リスト

• UrbanVLP: Multi-Granularity Vision-Language Pretraining for Urban Region Profiling [26.693692853787756]
  都市域プロファイリングは、与えられた都市域の低次元表現を学習することを目的としている。 事前訓練されたモデル 特に衛星画像に依存しているモデルは 二重課題に直面しています 衛星データからマクロレベルのパターンのみに集中するとバイアスが発生する可能性がある。 事前訓練されたモデルにおける解釈可能性の欠如は、都市計画の透明な証拠を提供することにおける実用性を制限している。
  論文  参考訳（メタデータ） (2024-03-25T14:57:18Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
  この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。 都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。 多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
  論文  参考訳（メタデータ） (2023-08-24T16:20:00Z)
• A Satellite Imagery Dataset for Long-Term Sustainable Development in United States Cities [15.862784224905095]
  5つの持続可能な開発指標のためのディープラーニングモデルを用いた衛星画像データセットを開発する。 提案されたデータセットは、2014年から2023年までのアメリカ合衆国で最も人口の多い100の都市と対応する国勢調査ブロック・グループを対象としている。
  論文  参考訳（メタデータ） (2023-08-01T11:40:19Z)
• Graph-based Village Level Poverty Identification [52.12744462605759]
  Webインフラストラクチャとそのモデリングツールの開発は、貧しい村を識別するための新しいアプローチを提供する。 地理的距離を通して村の接続をグラフとしてモデル化することにより,村の貧困状況とグラフトポロジ的位置との相関関係を示す。 貧しい村を識別する最初のグラフベース手法を提案する。
  論文  参考訳（メタデータ） (2023-02-14T06:58:40Z)
• 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)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• Effective Urban Region Representation Learning Using Heterogeneous Urban Graph Attention Network (HUGAT) [0.0]
  都市域の表現を学習するためのヘテロジニアスな都市グラフアテンションネットワーク(HUGAT)を提案する。 ニューヨークのデータに関する我々の実験では、HUGATは最先端のすべてのモデルより優れています。
  論文  参考訳（メタデータ） (2022-02-18T04:59:20Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• A Novel CNN-LSTM-based Approach to Predict Urban Expansion [1.2233362977312943]
  時系列リモートセンシングデータは、幅広いアプリケーションで使用できる豊富な情報ソースを提供します。 本稿では,時系列衛星画像を用いた都市拡大予測の課題について論じる。 都市の拡大を予測するためのセマンティックイメージ分割に基づく新しい2ステップアプローチを提案する。
  論文  参考訳（メタデータ） (2021-03-02T12:58:05Z)

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。