Fugu-MT 論文翻訳(概要): Window to Wall Ratio Detection using SegFormer

論文の概要: Window to Wall Ratio Detection using SegFormer

arxiv url: http://arxiv.org/abs/2406.02706v1
Date: Tue, 4 Jun 2024 18:36:11 GMT
ステータス: 処理完了
システム内更新日: 2024-06-06 23:08:11.239987
Title: Window to Wall Ratio Detection using SegFormer
Title（参考訳）: SegFormer を用いた窓と壁の比検出
Authors: Zoe De Simone, Sayandeep Biswas, Oscar Wu,
Abstract要約: Window to Wall Ratios (WWR) は、建物のエネルギー、換気、日光性能を評価する鍵となる。本稿では,既存のコンピュータビジョンウィンドウ検出手法を活用し,セマンティックセグメンテーションを用いた外部ストリートビュー画像から建物のWWRを予測する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Window to Wall Ratios (WWR) are key to assessing the energy, daylight and ventilation performance of buildings. Studies have shown that window area has a large impact on building performance and simulation. However, data to set up these environmental models and simulations is typically not available. Instead, a standard 40% WWR is typically assumed for all buildings. This paper leverages existing computer vision window detection methods to predict WWR of buildings from external street view images using semantic segmentation, demonstrating the potential for adapting established computer vision technique in architectural applications
Abstract（参考訳）: ウインドウ・トゥ・ウォール比(WWR)は、建物のエネルギー、日光、換気性能を評価する鍵となる。研究によると、窓面積は建築性能とシミュレーションに大きな影響を与えている。しかし、これらの環境モデルやシミュレーションをセットアップするデータは一般的には利用できない。その代わり、標準的な40%のWWRが全ての建物に当てはまるのが一般的である。本稿では、既存のコンピュータビジョンウィンドウ検出手法を利用して、セマンティックセグメンテーションを用いた外部ストリートビュー画像からの建物のWWRを予測し、アーキテクチャ応用における確立されたコンピュータビジョン技術の適用可能性を示す。

関連論文リスト

Exploiting Semantic Scene Reconstruction for Estimating Building Envelope Characteristics [6.382787013075262]
2次元画像入力から幾何構造特性を推定する新しいフレームワークであるBuildNet3Dを提案する。本フレームワークは, 窓面間比と建物のフットプリントの推定において, 高い精度と一般化性を示すとともに, 様々な複雑な建築物構造について評価する。
論文参考訳（メタデータ） (2024-10-29T13:29:01Z)
Self-training Room Layout Estimation via Geometry-aware Ray-casting [27.906107629563852]
本研究では,未表示のシーンにおける室内レイアウト推定モデルのための幾何学的自己学習フレームワークを提案する。提案手法では,異なる視点からの複数の推定値の集計にレイキャストの定式化を用いる。
論文参考訳（メタデータ） (2024-07-21T03:25:55Z)
Windowed-FourierMixer: Enhancing Clutter-Free Room Modeling with Fourier Transform [3.864321514889099]
室内空間の内部構造をモデル化する上で,単一画像からの室内環境の塗布が重要な役割を担っている。我々はU-Formerアーキテクチャと新しいWindowed-FourierMixerブロックに基づく革新的なアプローチを提案する。この新たなアーキテクチャは、対称性が普及する屋内シーンに関わるタスクに有利であることが証明されている。
論文参考訳（メタデータ） (2024-02-28T12:27:28Z)
Automated Detection and Counting of Windows using UAV Imagery based Remote Sensing [8.74136199846241]
建物内に存在する窓の数は、地震で受ける変形の大きさと直接関係している。本研究では,無人航空機(UAV)を用いたリモートセンシングシステムを用いて,建物の窓数を正確に検出・カウントする手法を提案する。提案手法は,UAV搭載カメラおよび他のセンサからのデータを利用するコンピュータビジョンパイプラインを開発することにより,ウィンドウの識別とカウントを自動化する。
論文参考訳（メタデータ） (2023-11-24T18:08:42Z)
Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
近年,Bird's-Eye View (BEV) の知覚が注目されている。自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
論文参考訳（メタデータ） (2023-01-11T18:39:34Z)
Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文参考訳（メタデータ） (2022-11-15T13:52:41Z)
LOPR: Latent Occupancy PRediction using Generative Models [49.15687400958916]
LiDARの生成した占有グリッドマップ(L-OGM)は、頑丈な鳥の視線シーンを表現している。本稿では,学習空間内での表現学習と予測という,占有率予測を分離する枠組みを提案する。
論文参考訳（メタデータ） (2022-10-03T22:04:00Z)
VSA: Learning Varied-Size Window Attention in Vision Transformers [76.35955924137986]
データから適応的なウィンドウ構成を学習するためのtextbfVaried-textbfSize Window textbfAttention (VSA)を提案する。デフォルトウィンドウ内のトークンに基づいて、VSAはターゲットウィンドウのサイズと位置を予測するためにウィンドウ回帰モジュールを使用する。
論文参考訳（メタデータ） (2022-04-18T17:56:07Z)
Window Detection In Facade Imagery: A Deep Learning Approach Using Mask R-CNN [0.0]
本稿では、ファサード画像入力のウィンドウ検出に使用するマスクR-CNNフレームワークについて検討する。我々は、ファサードのストリートビュー画像の収集したデータセットを用いて、トランスファーラーニングを利用して、COCO重みに関する提案手法を訓練する。
論文参考訳（メタデータ） (2021-07-21T11:00:01Z)
Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文参考訳（メタデータ） (2021-04-22T12:47:37Z)
Two-shot Spatially-varying BRDF and Shape Estimation [89.29020624201708]
形状とSVBRDFを段階的に推定した新しいディープラーニングアーキテクチャを提案する。ドメインランダム化された幾何学と現実的な材料を用いた大規模合成学習データセットを作成する。合成データセットと実世界のデータセットの両方の実験により、合成データセットでトレーニングされたネットワークが、実世界の画像に対してうまく一般化できることが示されている。
論文参考訳（メタデータ） (2020-04-01T12:56:13Z)

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。