論文の概要: General algorithm of assigning raster features to vector maps at any resolution or scale
- arxiv url: http://arxiv.org/abs/2407.10599v1
- Date: Mon, 15 Jul 2024 10:24:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 19:46:11.717519
- Title: General algorithm of assigning raster features to vector maps at any resolution or scale
- Title（参考訳）: 任意の解像度やスケールでベクトル写像にラスタ特徴を割り当てる一般アルゴリズム
- Authors: Nan Xu, Mark Stevenson, Kerry A. Nice, Sachith Seneviratne,
- Abstract要約: 本稿では,都市地図における特徴量(大気汚染物質の濃度)をベクトル成分(エッジで表される道路)に割り当てるアルゴリズムを提案する。
我々は、グラフベースの汚染分析を行うため、1692都市の道路に正確なPM$_2.5$とNO$_2$の濃度を割り当てることを実証した。
- 参考スコア（独自算出の注目度）: 18.09674055911759
- License:
- Abstract: The fusion of multi-source data is essential for a comprehensive analysis of geographic applications. Due to distinct data structures, the fusion process tends to encounter technical difficulties in terms of preservation of the intactness of each source data. Furthermore, a lack of generalized methods is a problem when the method is expected to be applicable in multiple resolutions, sizes, or scales of raster and vector data, to what is being processed. In this study, we propose a general algorithm of assigning features from raster data (concentrations of air pollutants) to vector components (roads represented by edges) in city maps through the iterative construction of virtual layers to expand geolocation from a city centre to boundaries in a 2D projected map. The construction follows the rule of perfect squares with a slight difference depending on the oddness or evenness of the ratio of city size to raster resolution. We demonstrate the algorithm by applying it to assign accurate PM$_{2.5}$ and NO$_{2}$ concentrations to roads in 1692 cities globally for a potential graph-based pollution analysis. This method could pave the way for agile studies on urgent climate issues by providing a generic and efficient method to accurately fuse multiple datasets of varying scales and compositions.
- Abstract（参考訳）: 地理的応用の包括的分析には,マルチソースデータの融合が不可欠である。
異なるデータ構造のため、融合プロセスは各ソースデータの無傷性の保存という技術的困難に直面する傾向にある。
さらに、一般化された手法の欠如は、複数の解像度、サイズ、あるいはラスタやベクトルデータのスケールで処理されているものに適用できると予想される場合に問題となる。
本研究では,都市中心部から2次元投影地図上の境界領域への地理的配置を反復的に構築することで,都市地図におけるラスタデータ(大気汚染物質の濃度)からベクトル成分(エッジで表される道路)に特徴を割り当てる一般的なアルゴリズムを提案する。
この構成は、都市規模とラスター解像度の比率の奇異性や均等性によってわずかに異なる完全正方形の規則に従っている。
このアルゴリズムを応用して、世界中の1692都市の道路に正確なPM$_{2.5}$とNO$_{2}$濃度を割り当て、グラフベースの公害分析を行う。
この方法は、様々なスケールと構成の複数のデータセットを正確に融合させる汎用的で効率的な方法を提供することによって、緊急の気候問題に関するアジャイル研究の道を開くことができる。
関連論文リスト
- Decoupling Fine Detail and Global Geometry for Compressed Depth Map Super-Resolution [55.9977636042469]
ビット深度圧縮は、微妙な変化のある領域で均一な深度表現を生成し、詳細情報の回復を妨げる。
密集したランダムノイズは、シーンのグローバルな幾何学的構造を推定する精度を低下させる。
圧縮深度マップ超解像のための新しいフレームワークGDNetを提案する。
論文 参考訳（メタデータ） (2024-11-05T16:37:30Z) - HPix: Generating Vector Maps from Satellite Images [0.0]
衛星画像からベクトルタイルマップを生成するためにGAN(Generative Adversarial Networks)を改良したHPixと呼ばれる新しい手法を提案する。
経験的評価を通じて,提案手法は高精度かつ視覚的に表現可能なベクトルタイルマップを作成する上での有効性を示す。
さらに、道路交差点のマッピングや、その面積に基づいたフットプリントクラスタの構築など、我々の研究の応用を拡大する。
論文 参考訳（メタデータ） (2024-07-18T16:54:02Z) - 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。
そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。
また,水平深度と比表現に適した教師なし適応手法を提案する。
本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
論文 参考訳（メタデータ） (2023-12-26T12:16:03Z) - Combining geolocation and height estimation of objects from street level
imagery [5.887281983256354]
道路レベルRGB画像からの多クラス物体位置推定と高さ推定を組み合わせたパイプラインを提案する。
提案手法は、カスタムトレーニングされた畳み込みニューラルネットワークで検出された画像平面内の物体の座標とともに画像メタデータを使用する。
論文 参考訳（メタデータ） (2023-05-14T19:40:02Z) - Semi-supervised Learning of Pushforwards For Domain Translation &
Adaptation [3.800498098285222]
関連するデータ空間に2つの確率密度が与えられると、1つの密度をもう1つの密度にプッシュする写像を求める。
広いアプリケーション領域にユーティリティを持つマップには、サンプル外のデータポイントに適用するためのマップが必要です。
本稿では,正規化フローを利用して地図をパラメータ化する新しいプッシュフォワードマップ学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-18T00:35:32Z) - SketchSampler: Sketch-based 3D Reconstruction via View-dependent Depth
Sampling [75.957103837167]
1枚のスケッチ画像に基づいて3次元形状を再構成することは、スパースで不規則なスケッチと正規の高密度な3次元形状との間に大きな領域ギャップがあるため困難である。
既存の作品では、3D座標を直接予測するためにスケッチから抽出されたグローバルな特徴を活用しようとするが、通常は入力スケッチに忠実でない細部を失う。
論文 参考訳（メタデータ） (2022-08-14T16:37:51Z) - Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。
IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。
提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
論文 参考訳（メタデータ） (2022-06-17T09:40:14Z) - Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。
このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。
提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文 参考訳（メタデータ） (2022-02-23T18:57:53Z) - Sci-Net: a Scale Invariant Model for Building Detection from Aerial
Images [0.0]
本研究では,空間分解能の異なる空間画像に存在している建物を分割できるスケール不変ニューラルネットワーク(Sci-Net)を提案する。
具体的には,U-Netアーキテクチャを改良し,それを高密度なASPP(Atrous Space Pyramid Pooling)で融合し,微細なマルチスケール表現を抽出した。
論文 参考訳（メタデータ） (2021-11-12T16:45:20Z) - Cascaded Residual Density Network for Crowd Counting [63.714719914701014]
本研究では, 群衆数に対する高品質な密度マップを高精度に作成するために, 粗大なアプローチで新しいカスケード残差密度ネットワーク(CRDNet)を提案する。
新たな局所的カウント損失が示され、群衆カウントの精度が向上する。
論文 参考訳（メタデータ） (2021-07-29T03:07:11Z) - BikNN: Anomaly Estimation in Bilateral Domains with k-Nearest Neighbors [1.2183405753834562]
本論文では異常推定のための新しい枠組みを提案する。
空間領域と密度領域の両方における異常の程度を推定する。
本手法は,空間領域と密度領域の両方を考慮に入れ,数個のパラメータを手動で調整することで異なるデータセットに適用できる。
論文 参考訳（メタデータ） (2021-05-11T13:45:29Z)
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。