Fugu-MT 論文翻訳(概要): Identifying every building's function in large-scale urban areas with multi-modality remote-sensing data

論文の概要: Identifying every building's function in large-scale urban areas with multi-modality remote-sensing data

arxiv url: http://arxiv.org/abs/2405.05133v1
Date: Wed, 8 May 2024 15:32:20 GMT
ステータス: 処理完了
システム内更新日: 2024-05-09 14:14:56.322596
Title: Identifying every building's function in large-scale urban areas with multi-modality remote-sensing data
Title（参考訳）: 多モードリモートセンシングデータを用いた大規模都市域における建物の機能同定
Authors: Zhuohong Li, Wei He, Jiepan Li, Hongyan Zhang,
Abstract要約: 本研究は,大規模都市部における建物機能同定のための半教師付き枠組みを提案する。光画像、建築高さ、夜間光データを収集し、建物の形態特性を記述する。結果は、政府による2万の検証ポイントと統計調査によって評価される。
参考スコア（独自算出の注目度）: 5.18540804614798
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Buildings, as fundamental man-made structures in urban environments, serve as crucial indicators for understanding various city function zones. Rapid urbanization has raised an urgent need for efficiently surveying building footprints and functions. In this study, we proposed a semi-supervised framework to identify every building's function in large-scale urban areas with multi-modality remote-sensing data. In detail, optical images, building height, and nighttime-light data are collected to describe the morphological attributes of buildings. Then, the area of interest (AOI) and building masks from the volunteered geographic information (VGI) data are collected to form sparsely labeled samples. Furthermore, the multi-modality data and weak labels are utilized to train a segmentation model with a semi-supervised strategy. Finally, results are evaluated by 20,000 validation points and statistical survey reports from the government. The evaluations reveal that the produced function maps achieve an OA of 82% and Kappa of 71% among 1,616,796 buildings in Shanghai, China. This study has the potential to support large-scale urban management and sustainable urban development. All collected data and produced maps are open access at https://github.com/LiZhuoHong/BuildingMap.
Abstract（参考訳）: 建物は、都市環境の基本的な人造構造として、様々な都市機能領域を理解するための重要な指標となっている。急速な都市化は、建物の足跡や機能を効率的に調査する緊急の必要性を高めている。本研究では,大規模都市部におけるビルの機能を多モードリモートセンシングデータを用いて同定する半教師付き枠組みを提案する。詳細は、建物の形態的特徴を記述するために、光学画像、建築高さ、夜間光データを収集する。そして、ボランティア地理情報(VGI)データから興味領域(AOI)と構築マスクを収集し、疎ラベルのサンプルを形成する。さらに、マルチモーダルデータと弱いラベルを用いて、半教師付き戦略でセグメンテーションモデルを訓練する。最後に、結果は政府による2万の検証ポイントと統計調査によって評価される。上海の1,616,796棟のうち82%のOAと71%のKappaが得られた。本研究は,大規模都市管理と持続可能な都市開発を支援する可能性を秘めている。すべての収集されたデータと生成されたマップはhttps://github.com/LiZhuoHong/BuildingMapでオープンアクセスされる。

関連論文リスト

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)
Explainable Hierarchical Urban Representation Learning for Commuting Flow Prediction [1.5156879440024378]
通勤フロー予測は、現実の自治体の業務に欠かせない課題である。我々は,異なるタイプのODフローを予測するために,意味のある領域埋め込みを生成するヘテロジニアスグラフベースモデルを開発した。提案モデルでは,一様都市構造の観点から既存モデルよりも優れた性能を示す。
論文参考訳（メタデータ） (2024-08-27T03:30:01Z)
CMAB: A First National-Scale Multi-Attribute Building Dataset in China Derived from Open Source Data and GeoAI [1.3586572110652484]
本稿では,3,667の空間都市,2,900万の建物,213億平方メートルの屋上を対象とする全国規模のマルチアトリビュート・ビルディング・データセット(CMAB)について述べる。何十億もの高解像度のGoogle Earth画像と6000万のストリートビュー画像(SVI)を使って、各ビルの屋上、高さ、機能、年齢、品質特性を生成しました。我々のデータセットと結果は、グローバルSDGと都市計画にとって不可欠である。
論文参考訳（メタデータ） (2024-08-12T02:09:25Z)
City Foundation Models for Learning General Purpose Representations from OpenStreetMap [16.09047066527081]
本稿では,都市のような選択された地理的関心領域における基礎モデルをトレーニングするためのフレームワークであるCityFMを紹介する。 CityFMはOpenStreetMapからのオープンデータにのみ依存し、異なるタイプのエンティティ、空間、視覚、およびテキスト情報のマルチモーダル表現を生成する。すべての実験において、CityFMはベースラインに匹敵する、あるいは同等のパフォーマンスを達成する。
論文参考訳（メタデータ） (2023-10-01T05:55:30Z)
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)
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)
Building Floorspace in China: A Dataset and Learning Pipeline [0.32228025627337864]
本稿は、中国40大都市における建物の床面積を計測する最初のマイルストーンを提供する。我々は、メインデータソースとしてSentinel-1と-2の衛星画像を使用する。データ、アルゴリズム、評価の詳細な説明を提供する。
論文参考訳（メタデータ） (2023-03-03T21:45:36Z)
Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
論文参考訳（メタデータ） (2023-01-04T05:19:33Z)
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)

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。