論文の概要: Using street view imagery and deep generative modeling for estimating the health of urban forests

• arxiv url: http://arxiv.org/abs/2504.14583v1
• Date: Sun, 20 Apr 2025 12:09:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-29 23:35:23.485144
• Title: Using street view imagery and deep generative modeling for estimating the health of urban forests
• Title（参考訳）: 街路景観画像と深部生成モデルを用いた都市森林の健全性の推定
• Authors: Akshit Gupta, Remko Uijlenhoet,
• Abstract要約: 健康な都市林は気候変動の緩和に重要な役割を果たしている。 都会の森林の健康をモニタリングする伝統的なアプローチは、計器検査技術を必要とする。 簡易入力を用いた都市林のモニタリング手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Healthy urban forests comprising of diverse trees and shrubs play a crucial role in mitigating climate change. They provide several key advantages such as providing shade for energy conservation, and intercepting rainfall to reduce flood runoff and soil erosion. Traditional approaches for monitoring the health of urban forests require instrumented inspection techniques, often involving a high amount of human labor and subjective evaluations. As a result, they are not scalable for cities which lack extensive resources. Recent approaches involving multi-spectral imaging data based on terrestrial sensing and satellites, are constrained respectively with challenges related to dedicated deployments and limited spatial resolutions. In this work, we propose an alternative approach for monitoring the urban forests using simplified inputs: street view imagery, tree inventory data and meteorological conditions. We propose to use image-to-image translation networks to estimate two urban forest health parameters, namely, NDVI and CTD. Finally, we aim to compare the generated results with ground truth data using an onsite campaign utilizing handheld multi-spectral and thermal imaging sensors. With the advent and expansion of street view imagery platforms such as Google Street View and Mapillary, this approach should enable effective management of urban forests for the authorities in cities at scale.
• Abstract（参考訳）: 多様な木や低木からなる健康な都市林は、気候変動を緩和する上で重要な役割を担っている。 それらは、エネルギー保存のための日陰を提供し、洪水の流出と土壌浸食を減らすために降雨を遮断するなど、いくつかの重要な利点を提供している。 都会の森林の健康をモニタリングする伝統的なアプローチは、しばしば大量の人的労働と主観的評価を含む計器的な検査技術を必要とする。 その結果、広範囲の資源が不足している都市にはスケーラビリティがない。 地上観測と衛星に基づくマルチスペクトルイメージングデータを含む最近のアプローチは、専用の展開と限られた空間分解能に関する課題にそれぞれ制約されている。 本研究では,街路図,樹木在庫データ,気象条件といった簡易な入力を用いた都市林のモニタリング手法を提案する。 我々は,NDVIとCTDという2つの都市森林の健康パラメータを画像から画像へ変換するネットワークを提案する。 最後に, ハンドヘルドマルチスペクトル・サーマルイメージングセンサを用いた現場キャンペーンを用いて, 得られた結果と地中真実データを比較することを目的とする。 GoogleストリートビューやMapillaryのようなストリートビュー画像プラットフォームの出現と拡大により、大規模な都市当局のための都市森林の効果的な管理が可能になるだろう。

関連論文リスト

• Unsupervised Urban Land Use Mapping with Street View Contrastive Clustering and a Geographical Prior [16.334202302817783]
  本研究は、地理的事前に組み込まれたストリートビュー画像に対する教師なしコントラストクラスタリングモデルを提案する。 本研究では,2つの都市の地理タグ付きストリートビュー画像データセットから土地利用地図を作成できることを実験的に示す。
  論文  参考訳（メタデータ） (2025-04-24T13:41:27Z)
• AerialGo: Walking-through City View Generation from Aerial Perspectives [48.53976414257845]
  AerialGoは、空中画像からリアルな街並みを生成するフレームワークである。 AerialGoは、アクセス可能な航空データに地上視合成を条件付けすることで、地上レベルの画像に固有のプライバシーリスクを回避できる。 実験により、AerialGoは地上レベルのリアリズムと構造的コヒーレンスを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-11-29T08:14:07Z)
• Accurate and Efficient Urban Street Tree Inventory with Deep Learning on Mobile Phone Imagery [5.827284205083043]
  本稿では,都市の街路樹在庫に深層学習技術と携帯電話画像を活用する革新的な手法を提案する。 我々のアプローチは,スマートフォンカメラが捉えた2枚の画像を利用して,木の幹を正確に分断し,胸の高さ(DBH)で直径を計算する。 従来の手法と比較すると, 精度の向上, 特殊機器依存の低減, 難解領域への適用性など, 様々な利点がある。
  論文  参考訳（メタデータ） (2024-01-02T12:16:01Z)
• CityPulse: Fine-Grained Assessment of Urban Change with Street View Time Series [12.621355888239359]
  都市変革は、個人と地域社会の両方に大きな社会的影響を及ぼす。 本研究では,大規模に構築された環境における物理的変化を効果的に捉えるために,エンドツーエンドの変更検出モデルを提案する。 我々のアプローチは既存のデータセットを補完し、都市の変化をきめ細やかに正確に評価する可能性がある。
  論文  参考訳（メタデータ） (2024-01-02T08:57:09Z)
• Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
  気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。 最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。 物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。 我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
  論文  参考訳（メタデータ） (2023-10-09T13:07:23Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• MultiEarth 2022 Deforestation Challenge -- ForestGump [0.0]
  従来のUNetと包括的データ処理を用いた森林破壊推定手法を提案する。 Sentinel-1、Sentinel-2、Landsat 8の様々なチャネルが慎重に選択され、ディープニューラルネットワークのトレーニングに使用される。 提案手法では,新しいクエリの森林破壊状況を高精度に推定する。
  論文  参考訳（メタデータ） (2022-06-22T04:10:07Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• Urban Tree Species Classification Using Aerial Imagery [0.0]
  都市木は気温の調整、エネルギー消費の削減、大気の質の向上、風速の低減、ヒートアイランド効果の緩和に役立つ。 航空画像を用いた樹木の自動検出と種分類は、持続可能な森林管理と都市木管理のための強力なツールとなる。 この研究はまず、Google Mapの空中画像を使用して、都市木のラベル付きデータセットを生成するパイプラインを提供する。 次に、VGGやResNetといった最先端の畳み込みニューラルネットワークモデルが、異なるパラメータの下での都市ツリー空中画像の分類問題をどのように扱うかを検討する。
  論文  参考訳（メタデータ） (2021-07-07T12:30:22Z)
• Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
  我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。 純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。 我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
  論文  参考訳（メタデータ） (2021-04-10T15:00:15Z)
• Non-Homogeneous Haze Removal via Artificial Scene Prior and Bidimensional Graph Reasoning [52.07698484363237]
  本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。 本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2021-04-05T13:04:44Z)
• Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
  我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。 物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。 この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
  論文  参考訳（メタデータ） (2020-10-16T02:15:34Z)

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。