論文の概要: Building Age Estimation: A New Multi-Modal Benchmark Dataset and Community Challenge

• arxiv url: http://arxiv.org/abs/2502.13818v1
• Date: Wed, 19 Feb 2025 15:31:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 14:00:53.353079
• Title: Building Age Estimation: A New Multi-Modal Benchmark Dataset and Community Challenge
• Title（参考訳）: ビルディング年齢推定: 新しいマルチモーダルベンチマークデータセットとコミュニティチャレンジ
• Authors: Nikolaos Dionelis, Nicolas Longépé, Alessandra Feliciotti, Mattia Marconcini, Devis Peressutti, Nika Oman Kadunc, JaeWan Park, Hagai Raja Sinulingga, Steve Andreas Immanuel, Ba Tran, Caroline Arnold,
• Abstract要約: 建築物の建設年を推定することは、持続可能性にとって非常に重要である。 人工知能 (AI) と最近提案されたトランスフォーマーモデルを用いて, 建築物の建設時期を推定することができる。
• 参考スコア（独自算出の注目度）: 32.69530674031928
• License:
• Abstract: Estimating the construction year of buildings is of great importance for sustainability. Sustainable buildings minimize energy consumption and are a key part of responsible and sustainable urban planning and development to effectively combat climate change. By using Artificial Intelligence (AI) and recently proposed Transformer models, we are able to estimate the construction epoch of buildings from a multi-modal dataset. In this paper, we introduce a new benchmark multi-modal dataset, i.e. the Map your City Dataset (MyCD), containing top-view Very High Resolution (VHR) images, Earth Observation (EO) multi-spectral data from the Copernicus Sentinel-2 satellite constellation, and street-view images in many different cities in Europe, co-localized with respect to the building under study and labelled with the construction epoch. We assess EO generalization performance on new/ previously unseen cities that have been held-out from training and appear only during inference. In this work, we present the community-based data challenge we organized based on MyCD. The ESA AI4EO Challenge MapYourCity was opened in 2024 for 4 months. Here, we present the Top-4 performing models, and the main evaluation results. During inference, the performance of the models using both all three input modalities and only the two top-view modalities, i.e. without the street-view images, is examined. The evaluation results show that the models are effective and can achieve good performance on this difficult real-world task of estimating the age of buildings, even on previously unseen cities, as well as even using only the two top-view modalities (i.e. VHR and Sentinel-2) during inference.
• Abstract（参考訳）: 建築物の建設年を推定することは、持続可能性にとって非常に重要である。 持続可能な建物はエネルギー消費を最小限に抑え、気候変動に効果的に対処するための責任と持続可能な都市計画と開発の重要な部分である。 人工知能(AI)と最近提案されたTransformerモデルを用いて、マルチモーダルデータセットから建物の建築エポックを推定することができる。 本稿では,コペルニクス・センチネル2衛星の超高分解能(VHR)画像,地球観測(EO)マルチスペクトルデータ,およびヨーロッパ各地の街路ビュー画像を含む新しいベンチマークマルチモーダルデータセットを提案する。 トレーニングから遠ざかって,推論中にのみ現れる新規・未確認都市を対象としたEO一般化性能の評価を行った。 本稿では,MyCDをベースとしたコミュニティベースのデータ課題について紹介する。 ESA AI4EO Challenge MapYourCityは2024年に4ヶ月間オープンした。 ここでは、トップ4の演奏モデルと、主な評価結果を示す。 推測中,3つの入力モードと2つのトップビューモード,すなわちストリートビュー画像のないモデルの性能について検討した。 評価結果から, 従来は見えなかった都市でも, ビルの年齢を推定する難易度の高い実世界の課題に対して, 推測時に2つのトップビューモード(VHR, Sentinel-2)のみを用いることで, 優れた性能を達成できることが示唆された。

関連論文リスト

• VecCity: A Taxonomy-guided Library for Map Entity Representation Learning [48.73446321300362]
  マップエンティティ表現学習(MapRL)は、汎用的で再利用可能なデータ表現を生成する。 本稿では,エンコーダや事前学習タスク,下流タスクなどの機能的モジュールモデルに基づいてモデルを編成するMapRLの新しい分類法を提案する。 本稿では, コード化, 事前学習, 微調整, 評価のための, 使いやすいインタフェースを提供する分類学駆動型ライブラリであるVecCityを提案する。
  論文  参考訳（メタデータ） (2024-10-31T07:03:46Z)
• LiveXiv -- A Multi-Modal Live Benchmark Based on Arxiv Papers Content [62.816876067499415]
  我々は、科学的ArXiv論文に基づくスケーラブルな進化型ライブベンチマークであるLiveXivを提案する。 LiveXivは、任意のタイムスタンプでドメイン固有の原稿にアクセスし、視覚的な問合せペアを自動的に生成することを提案する。 ベンチマークの最初のバージョンで、複数のオープンでプロプライエタリなLMM(Large Multi-modal Models)をベンチマークし、その挑戦的な性質を示し、モデルの真の能力を明らかにする。
  論文  参考訳（メタデータ） (2024-10-14T17:51:23Z)
• Identifying every building's function in large-scale urban areas with multi-modality remote-sensing data [5.18540804614798]
  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。
  論文  参考訳（メタデータ） (2024-05-08T15:32:20Z)
• 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)
• 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)
• 4Seasons: Benchmarking Visual SLAM and Long-Term Localization for Autonomous Driving in Challenging Conditions [54.59279160621111]
  大規模4Seasonsデータセットに基づく課題条件下での自律運転のための新しい視覚的SLAMと長期局所化ベンチマークを提案する。 提案したベンチマークでは,季節変化や天候,照明条件の変動による劇的な外見の変化が報告されている。 本稿では,視覚計測,大域的位置認識,および地図に基づく視覚的位置決め性能を共同評価するための統合ベンチマークを提案する。
  論文  参考訳（メタデータ） (2022-12-31T13:52:36Z)
• Times Series Forecasting for Urban Building Energy Consumption Based on Graph Convolutional Network [20.358180125750046]
  建設業はアメリカにおけるエネルギー消費の40%以上を占めている。 UBEMはエネルギー効率の良いコミュニティの設計を支援する基盤である。 データ駆動型モデル統合工学または物理知識は、都市建設エネルギーシミュレーションを大幅に改善することができる。
  論文  参考訳（メタデータ） (2021-05-27T19:02:04Z)
• The SpaceNet Multi-Temporal Urban Development Challenge [5.191792224645409]
  足跡を構築することは、多くの人道的アプリケーションに有用なプロキシを提供する。 本論文では, 建物のランドスケープ, トラッキング, 変化の検出を精度良く行うための手法の開発について論じる。 競合は、4m解像度でPlanet Labsの衛星画像モザイクの全く新しいオープンソースデータセットを中心にした。 受賞した参加者は、新たに開発されたSpaceNet Change and Object Tracking(SCOT)メトリックで印象的なパフォーマンスを示した。
  論文  参考訳（メタデータ） (2021-02-23T22:01:22Z)
• Building Footprint Generation by IntegratingConvolution Neural Network with Feature PairwiseConditional Random Field (FPCRF) [21.698236040666675]
  建築フットプリントマップは、3Dビルディングモデリング、都市計画、災害管理など、多くのリモートセンシングアプリケーションにとって不可欠である。 本研究では,畳み込みニューラルネットワーク(CNN)とグラフモデルを組み合わせたエンドツーエンドな構築フットプリント生成手法を提案する。
  論文  参考訳（メタデータ） (2020-02-11T18:51:19Z)

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。