Fugu-MT 論文翻訳(概要): RoBus: A Multimodal Dataset for Controllable Road Networks and Building Layouts Generation

論文の概要: RoBus: A Multimodal Dataset for Controllable Road Networks and Building Layouts Generation

arxiv url: http://arxiv.org/abs/2407.07835v1
Date: Wed, 10 Jul 2024 16:55:01 GMT
ステータス: 処理完了
システム内更新日: 2024-07-11 15:43:17.777790
Title: RoBus: A Multimodal Dataset for Controllable Road Networks and Building Layouts Generation
Title（参考訳）: RoBus: 制御可能な道路ネットワークと建設レイアウト生成のためのマルチモーダルデータセット
Authors: Tao Li, Ruihang Li, Huangnan Zheng, Shanding Ye, Shijian Li, Zhijie Pan,
Abstract要約: ロードネットワークとビルディングレイアウト(RoBus)の制御可能な生成のための評価指標を備えたマルチモーダルデータセットを導入する。 RoBusは、これまでのところ、都市世代で最初の、そして最大のオープンソースデータセットだ。我々は,RoBusデータセットを統計的に分析し,既存の道路網と建築レイアウト生成手法の有効性を検証した。道路ネットワークや建物レイアウトの生成プロセスにおいて,道路配向や建物密度などの都市特性を取り入れた新しいベースラインを設計する。
参考スコア（独自算出の注目度）: 4.322143509436427
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automated 3D city generation, focusing on road networks and building layouts, is in high demand for applications in urban design, multimedia games and autonomous driving simulations. The surge of generative AI facilitates designing city layouts based on deep learning models. However, the lack of high-quality datasets and benchmarks hinders the progress of these data-driven methods in generating road networks and building layouts. Furthermore, few studies consider urban characteristics, which generally take graphics as analysis objects and are crucial for practical applications, to control the generative process. To alleviate these problems, we introduce a multimodal dataset with accompanying evaluation metrics for controllable generation of Road networks and Building layouts (RoBus), which is the first and largest open-source dataset in city generation so far. RoBus dataset is formatted as images, graphics and texts, with $72,400$ paired samples that cover around $80,000km^2$ globally. We analyze the RoBus dataset statistically and validate the effectiveness against existing road networks and building layouts generation methods. Additionally, we design new baselines that incorporate urban characteristics, such as road orientation and building density, in the process of generating road networks and building layouts using the RoBus dataset, enhancing the practicality of automated urban design. The RoBus dataset and related codes are published at https://github.com/tourlics/RoBus_Dataset.
Abstract（参考訳）: 道路ネットワークと建築レイアウトに焦点を当てた3D都市の自動生成は、都市デザイン、マルチメディアゲーム、自動運転シミュレーションの応用に高い需要がある。生成AIの急増により、ディープラーニングモデルに基づいた都市レイアウトの設計が容易になった。しかし、高品質なデータセットとベンチマークの欠如は、道路ネットワークの生成やレイアウト構築において、これらのデータ駆動手法の進歩を妨げる。さらに,グラフィクスを解析対象として捉え,実際的な応用に欠かせない都市特性を,生成過程を制御するために考慮する研究はほとんどない。これらの問題を緩和するため,道路ネットワークとビルディングレイアウト(RoBus)の制御可能な生成のための評価指標を備えたマルチモーダルデータセットを導入した。 RoBusデータセットは、画像、グラフィック、テキストとしてフォーマットされており、全世界で約80,000km^2$のペア化されたサンプルは72,400ドルである。我々は,RoBusデータセットを統計的に分析し,既存の道路網と建築レイアウト生成手法の有効性を検証した。さらに,道路配向や建物密度などの都市特性を取り入れた新たなベースラインを,RoBusデータセットを用いて道路網や建物配置を生成するプロセスにおいて設計し,都市自動設計の実践性を向上する。 RoBusデータセットとその関連コードはhttps://github.com/tourlics/RoBus_Datasetで公開されている。

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)
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)
RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文参考訳（メタデータ） (2023-10-03T17:59:32Z)
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)
Building3D: An Urban-Scale Dataset and Benchmarks for Learning Roof Structures from Point Clouds [4.38301148531795]
既存の3Dモデリング用のデータセットは主に家具や車などの一般的なオブジェクトに焦点を当てている。エストニアの16都市約998Km2をカバーする,160万以上の建物と対応する点雲,メッシュ,ワイヤフレームモデルからなる都市規模データセットを提案する。実験結果から,ビルディング3Dには高いクラス内分散,データ不均衡,大規模ノイズといった課題があることが示唆された。
論文参考訳（メタデータ） (2023-07-21T21:38:57Z)
GlobalMapper: Arbitrary-Shaped Urban Layout Generation [1.5076964620370268]
建物のレイアウトは、道路のネットワークによって定義される都市ブロック内の建物のセットで構成されています。本稿では,グラフアテンションネットワークを用いたレイアウト生成のための完全自動手法を提案する。ユーザスタディを含む本研究の結果は,従来のレイアウト生成ネットワークと比較して優れた性能を示した。
論文参考訳（メタデータ） (2023-07-19T00:36:05Z)
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)
RoMe: Towards Large Scale Road Surface Reconstruction via Mesh Representation [9.622389166012741]
RoMeは大規模道路面の堅牢な再構築を目的とした新しいフレームワークである。我々の評価は、速度、正確性、堅牢性の観点から、RoMeの優位性を裏付けるものである。 RoMeの機能は単なる再構築を超えて、自動運転アプリケーションにおけるオートラベルタスクに重要な価値を提供する。
論文参考訳（メタデータ） (2023-06-20T08:16:25Z)
Dataset of Pathloss and ToA Radio Maps With Localization Application [59.11388233415274]
データセットには、実都市地図における現実的な密集した都市環境の大規模なコレクションに、シミュレートされたパスロス/受信信号強度(RSS)と到着時刻(ToA)ラジオマップが含まれる。提案データセットの2つの主な応用は,1)入力都市地図からパスロスを予測する学習方法,2)無線の局所化である。 RSSとToAマップが同じ都市マップ上で同じシミュレーションによって計算されているという事実は、RSSとToAベースのローカライゼーション手法を公平に比較することができる。
論文参考訳（メタデータ） (2022-11-18T20:39:51Z)
IDD-3D: Indian Driving Dataset for 3D Unstructured Road Scenes [79.18349050238413]
デプロイ可能なディープラーニングアーキテクチャの準備とトレーニングには、さまざまなトラフィックシナリオに適したモデルが必要である。インドなどいくつかの発展途上国で見られる非構造的で複雑な運転レイアウトは、これらのモデルに挑戦している。我々は、複数のカメラと12kの注釈付き駆動LiDARフレームを備えたLiDARセンサーのマルチモーダルデータからなる新しいデータセットIDD-3Dを構築した。
論文参考訳（メタデータ） (2022-10-23T23:03:17Z)
TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文参考訳（メタデータ） (2022-08-16T20:46:08Z)

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。