論文の概要: Deep Umbra: A Generative Approach for Sunlight Access Computation in Urban Spaces

• arxiv url: http://arxiv.org/abs/2402.17169v1
• Date: Tue, 27 Feb 2024 03:05:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 17:49:52.885466
• Title: Deep Umbra: A Generative Approach for Sunlight Access Computation in Urban Spaces
• Title（参考訳）: Deep Umbra: 都市空間における日光アクセス計算のための生成的アプローチ
• Authors: Kazi Shahrukh Omar, Gustavo Moreira, Daniel Hodczak, Maryam Hosseini, Nicola Colaninno, Marcos Lage, Fabio Miranda
• Abstract要約: 本研究では,地球規模での日光アクセスと影の定量化を可能にする新しいフレームワークを提案する。 筆者らの枠組みは,都市の物理的形態を考慮した条件付き生成的敵ネットワークに基づいている。 私たちは7つの異なる都市からのデータを使ってモデルをトレーニングし、広範囲にわたる実験を通して、その全体のRMSEが低いことを示す。 我々は,6大陸100都市以上の日光アクセス情報を用いたケーススタディと包括的データセットをコントリビュートする。
• 参考スコア（独自算出の注目度）: 4.680816326435908
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sunlight and shadow play critical roles in how urban spaces are utilized, thrive, and grow. While access to sunlight is essential to the success of urban environments, shadows can provide shaded places to stay during the hot seasons, mitigate heat island effect, and increase pedestrian comfort levels. Properly quantifying sunlight access and shadows in large urban environments is key in tackling some of the important challenges facing cities today. In this paper, we propose Deep Umbra, a novel computational framework that enables the quantification of sunlight access and shadows at a global scale. Our framework is based on a conditional generative adversarial network that considers the physical form of cities to compute high-resolution spatial information of accumulated sunlight access for the different seasons of the year. We use data from seven different cities to train our model, and show, through an extensive set of experiments, its low overall RMSE (below 0.1) as well as its extensibility to cities that were not part of the training set. Additionally, we contribute a set of case studies and a comprehensive dataset with sunlight access information for more than 100 cities across six continents of the world. Deep Umbra is available at https://urbantk.org/shadows.
• Abstract（参考訳）: 日光と影は、都市空間の活用、繁栄、成長において重要な役割を果たしている。 都市環境の成功には日光へのアクセスが不可欠であるが、日陰は暑い季節に滞在し、ヒートアイランド効果を緩和し、歩行者の快適度を高めることができる。 大規模な都市環境での日光アクセスと影の定量化は、今日の都市が直面する重要な課題に取り組む上で鍵となる。 本稿では,地球規模での日光アクセスと影の定量化を可能にする新しい計算フレームワークであるDeep Umbraを提案する。 筆者らの枠組みは, 都市の物理的形態を考慮し, 年間ごとに蓄積した日光アクセスの高解像度空間情報を計算する条件付き逆向きネットワークに基づいている。 我々は7つの異なる都市からのデータを用いてモデルをトレーニングし、広範囲な実験を通して、RMSE(以下0.1)の低レベルと、トレーニングセットに含まれていない都市への拡張性を示す。 さらに,世界の6大陸にまたがる100以上の都市に対して,太陽光アクセス情報を備えたケーススタディと総合データセットを提供する。 Deep Umbraはhttps://urbantk.org/shadows.comで入手できる。

関連論文リスト

• BuildingView: Constructing Urban Building Exteriors Databases with Street View Imagery and Multimodal Large Language Mode [1.0937094979510213]
  ストリートビュー・イメージリーの進歩と、都市研究との統合によって、都市分析において、外部建設はますます重要になっている。 我々は,Googleストリートビューの高解像度視覚データをOpenStreetMapの空間情報とOverpass APIを介して統合する新しいアプローチであるBuildingViewを提案する。 本研究は,都市の建築外装データの精度を向上し,キーサステナビリティと設計指標を特定し,その抽出と分類のための枠組みを開発する。
  論文  参考訳（メタデータ） (2024-09-29T03:00:16Z)
• Comprehensive Dataset for Urban Streetlight Analysis [0.0]
  この記事では、インドの大通りからシステマティックに撮影された800点以上の高解像度の街灯画像を包括的に収集する。 各画像はバイナリクラスラベルに基づいてラベル付けされ、ディレクトリにグループ化されている。
  論文  参考訳（メタデータ） (2024-07-01T09:26:30Z)
• MatrixCity: A Large-scale City Dataset for City-scale Neural Rendering and Beyond [69.37319723095746]
  都市規模のニューラルレンダリング研究のための大規模で包括的で高品質な合成データセットを構築します。 本研究では,地上カメラのポーズと追加データモダリティを伴って,航空・街路ビューを容易に収集するパイプラインを構築した。 その結果得られたパイロットデータセットMatrixCityには、合計28km2$の2つの都市地図から、67kの空中画像と452kのストリート画像が含まれている。
  論文  参考訳（メタデータ） (2023-09-28T16:06:02Z)
• The Urban Toolkit: A Grammar-based Framework for Urban Visual Analytics [5.674216760436341]
  都市問題の複雑な性質と利用可能なデータの圧倒的な量は、これらの取り組みを実用的な洞察に翻訳する上で大きな課題を提起している。 興味のある特徴を分析する際、都市の専門家は、異なるテーマ(例えば、日光アクセス、人口統計)と物理的(例えば、建物、ストリートネットワーク)のデータ層を変換し、統合し、視覚化しなければならない。 これにより、プログラマにとって視覚的なデータ探索とシステム実装が難しくなり、コンピュータ科学以外の都市の専門家にとって高い入り口障壁となる。
  論文  参考訳（メタデータ） (2023-08-15T13:43:04Z)
• 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)
• SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
  センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。 データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
  論文  参考訳（メタデータ） (2022-01-12T14:48:11Z)
• 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)
• Self-supervised Outdoor Scene Relighting [92.20785788740407]
  本稿では, 自己指導型リライティング手法を提案する。 当社のアプローチは,ユーザの監督なしにインターネットから収集した画像のコーパスのみに基づいて訓練されている。 以上の結果から,写実的かつ物理的に妥当な結果を生成できる技術が,見えない場面に一般化できることが示唆された。
  論文  参考訳（メタデータ） (2021-07-07T09:46:19Z)
• Lighting the Darkness in the Deep Learning Era [118.35081853500411]
  低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。 この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。 アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
  論文  参考訳（メタデータ） (2021-04-21T19:12:19Z)
• Jane Jacobs in the Sky: Predicting Urban Vitality with Open Satellite Data [1.376408511310322]
  都市部の人々が一日中暮らしていることは、世界レベルの質の高い都市が最も目指すものの一つだ。 都市での生活促進には、土地利用の多様性、小さなブロックサイズ、経済活動の混合、人口集中の4つの条件がある。 ここでは,1つのデータソースを使用することを提案し,このデータソースが一般に公開されている:Sentinel-2衛星画像。
  論文  参考訳（メタデータ） (2021-01-28T21:46:29Z)
• 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。