論文の概要: Digital Twin Buildings: 3D Modeling, GIS Integration, and Visual Descriptions Using Gaussian Splatting, ChatGPT/Deepseek, and Google Maps Platforms

• arxiv url: http://arxiv.org/abs/2502.05769v1
• Date: Sun, 09 Feb 2025 04:06:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:32:06.169899
• Title: Digital Twin Buildings: 3D Modeling, GIS Integration, and Visual Descriptions Using Gaussian Splatting, ChatGPT/Deepseek, and Google Maps Platforms
• Title（参考訳）: Digital Twin Buildings: Gaussian Splatting、ChatGPT/Deepseek、Google Mapsプラットフォームを使用した3Dモデリング、GIS統合、ビジュアル記述
• Authors: Kyle Gao, Dening Lu, Liangzhi Li, Nan Chen, Hongjie He, Linlin Xu, Jonathan Li,
• Abstract要約: 都市デジタルツイン(Urban Digital twins)は、マルチソースデータとデータ分析を使用して都市計画、インフラ管理、意思決定を最適化する都市の仮想レプリカである。 当社のフレームワークは,ビルの3次元モデルと視覚的記述を検索し,大規模言語モデルに基づくデータ分析とクラウドベースのマッピング統合を実現する。
• 参考スコア（独自算出の注目度）: 19.58207468428575
• License:
• Abstract: Urban digital twins are virtual replicas of cities that use multi-source data and data analytics to optimize urban planning, infrastructure management, and decision-making. Towards this, we propose a framework focused on the single-building scale. By connecting to cloud mapping platforms such as Google Map Platforms APIs, by leveraging state-of-the-art multi-agent Large Language Models data analysis using ChatGPT(4o) and Deepseek-V3/R1, and by using our Gaussian Splatting-based mesh extraction pipeline, our Digital Twin Buildings framework can retrieve a building's 3D model, visual descriptions, and achieve cloud-based mapping integration with large language model-based data analytics using a building's address, postal code, or geographic coordinates.
• Abstract（参考訳）: 都市デジタルツイン(Urban Digital twins)は、マルチソースデータとデータ分析を使用して都市計画、インフラ管理、意思決定を最適化する都市の仮想レプリカである。 そこで本研究では,単一構築規模に焦点をあてたフレームワークを提案する。 Google Map Platforms APIのようなクラウドマッピングプラットフォームに接続し、ChatGPT(4o)とDeepseek-V3/R1を使用した最先端のマルチエージェントな大規模言語モデルデータ分析を活用することで、私たちのGaussian Splattingベースのメッシュ抽出パイプラインを使用することで、Digital Twin Buildingsフレームワークは、建物の3Dモデル、視覚的記述、および建物のアドレス、郵便コード、地理的座標を使用した大規模言語モデルベースのデータ分析とクラウドベースのマッピング統合を実現することができます。

関連論文リスト

• CULTURE3D: Cultural Landmarks and Terrain Dataset for 3D Applications [11.486451047360248]
  世界中から撮影された高解像度画像を用いた大規模きめ細粒度データセットを提案する。 われわれのデータセットはドローンで撮影した空中画像を使って構築されており、現実世界のサイトレイアウトや建築構造をより正確に把握することができる。 このデータセットは、アーキテクチャ再構築から仮想観光まで、さまざまな3Dアプリケーションをサポートするマルチモーダルデータとのシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2025-01-12T20:36:39Z)
• 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)
• FoldingNet Autoencoder model to create a geospatial grouping of CityGML building dataset [0.0]
  本研究では、3DオートエンコーダであるFoldingNetを用いて、LoD 2 CityGMLデータセットから各建物の潜在表現を生成する。 埋め込みの有効性は,データセット再構成,潜時拡散可視化,階層クラスタリング手法によって分析される。 建物の地理的グループ化を反復的に見つけるために地理空間モデルを作成する。
  論文  参考訳（メタデータ） (2022-12-28T17:16:23Z)
• 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)
• 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)
• BuildingNet: Learning to Label 3D Buildings [19.641000866952815]
  BuildingNet: (a)外装が一貫してラベル付けされている大規模な3Dビルディングモデル、(b)幾何学的プリミティブの分析と構造的関係をビルディングにラベル付けするニューラルネットワーク。 データセットは、家、教会、高層ビル、市役所、城などのカテゴリをカバーしている。
  論文  参考訳（メタデータ） (2021-10-11T01:45:26Z)
• Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
  スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。 データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
  論文  参考訳（メタデータ） (2020-12-23T21:48:47Z)
• 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)
• Semantic Segmentation and Data Fusion of Microsoft Bing 3D Cities and Small UAV-based Photogrammetric Data [0.0]
  著者らは、UAVベースのフォトグラムデータを用いてシミュレーション地形を作成するための、完全に自動化されたデータセグメンテーションとオブジェクト情報抽出フレームワークを発表した。 航空機による測光データにおけるデータ品質の問題を特定する。 著者らは、伝統的な反復的最近点(ICP)と抽出された意味情報を利用するデータ登録ワークフローも提案した。
  論文  参考訳（メタデータ） (2020-08-21T18:56:05Z)
• Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical Understanding of Outdoor Scene [76.4183572058063]
  複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。 データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。 本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
  論文  参考訳（メタデータ） (2020-08-11T19:10:32Z)

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。