論文の概要: GlobalBuildingAtlas: An Open Global and Complete Dataset of Building Polygons, Heights and LoD1 3D Models

• arxiv url: http://arxiv.org/abs/2506.04106v1
• Date: Wed, 04 Jun 2025 15:59:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.439572
• Title: GlobalBuildingAtlas: An Open Global and Complete Dataset of Building Polygons, Heights and LoD1 3D Models
• Title（参考訳）: GlobalBuildingAtlas - ポリゴン、高さ、LoD1 3Dモデル構築のオープンで完全なデータセット
• Authors: Xiao Xiang Zhu, Sining Chen, Fahong Zhang, Yilei Shi, Yuanyuan Wang,
• Abstract要約: これは、高品質で一貫性があり、完全なビルディングデータをグローバルスケールで2Dおよび3D形式で提供する最初のオープンデータセットである。 GBA.Polygonは世界で275億以上の建物を抱えており、これまでに10億以上の建物で、最も包括的なデータベースを突破している。 高さの正確さ、包括的グローバルカバレッジ、そして豊富な空間的詳細により、GlobalBuildingAltasは、グローバルな建物の現状に関する新しい洞察を提供する。
• 参考スコア（独自算出の注目度）: 16.945349721168068
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce GlobalBuildingAtlas, a publicly available dataset providing global and complete coverage of building polygons, heights and Level of Detail 1 (LoD1) 3D building models. This is the first open dataset to offer high quality, consistent, and complete building data in 2D and 3D form at the individual building level on a global scale. Towards this dataset, we developed machine learning-based pipelines to derive building polygons and heights (called GBA.Height) from global PlanetScope satellite data, respectively. Also a quality-based fusion strategy was employed to generate higher-quality polygons (called GBA.Polygon) based on existing open building polygons, including our own derived one. With more than 2.75 billion buildings worldwide, GBA.Polygon surpasses the most comprehensive database to date by more than 1 billion buildings. GBA.Height offers the most detailed and accurate global 3D building height maps to date, achieving a spatial resolution of 3x3 meters-30 times finer than previous global products (90 m), enabling a high-resolution and reliable analysis of building volumes at both local and global scales. Finally, we generated a global LoD1 building model (called GBA.LoD1) from the resulting GBA.Polygon and GBA.Height. GBA.LoD1 represents the first complete global LoD1 building models, including 2.68 billion building instances with predicted heights, i.e., with a height completeness of more than 97%, achieving RMSEs ranging from 1.5 m to 8.9 m across different continents. With its height accuracy, comprehensive global coverage and rich spatial details, GlobalBuildingAltas offers novel insights on the status quo of global buildings, which unlocks unprecedented geospatial analysis possibilities, as showcased by a better illustration of where people live and a more comprehensive monitoring of the progress on the 11th Sustainable Development Goal of the United Nations.
• Abstract（参考訳）: GlobalBuildingAtlasは、ポリゴン、高さ、詳細レベル1(LoD1)3Dビルディングモデルのグローバルかつ完全なカバレッジを提供する、一般公開されたデータセットである。 これは、高品質で一貫性があり、完全なビルディングデータをグローバルスケールで個々のビルディングレベルで2Dおよび3D形式で提供する最初のオープンデータセットである。 このデータセットに向けて,地球規模のPlanetScope衛星データからポリゴンと高さ(GBA.Height)を構築するための機械学習パイプラインを開発した。 また, 従来のオープンビルディング多角形をベースとした高品質なポリゴン(GAA.ポリゴン)を生成するための, 高品質な核融合戦略も導入した。 GBA.Polygonは世界で275億以上の建物を抱えており、これまでに10億以上の建物で、最も包括的なデータベースを突破している。 GBA.Heightは、これまでのグローバル製品(90m)の3×3m〜30倍の空間分解能を達成し、地域規模とグローバルスケールの両方で建物容積の高解像度で信頼性の高い分析を可能にする、最も詳細で正確なグローバルな3Dビルディングマップを提供する。 最後に、GBA.PolygonとGBA.HeightからグローバルなLoD1ビルディングモデル(GBA.LoD1)を生成した。 GBA.LoD1は、高さが予測される268億のビルディングインスタンスを含む、最初の完全なグローバルLoD1ビルディングモデルであり、高さは97%以上で、異なる大陸にわたって1.5mから8.9mの範囲でRMSEを達成している。 GlobalBuildingAltasは、その高さの正確さ、包括的グローバルカバレッジ、そして豊富な空間的詳細から、地球規模の建物の現状に関する新たな洞察を提供する。

関連論文リスト

• TUM2TWIN: Introducing the Large-Scale Multimodal Urban Digital Twin Benchmark Dataset [90.97440987655084]
  都市デジタルツインズ(UDT)は、都市管理と多様なソースからの複雑な異種データの統合に欠かせないものとなっている。 これらの課題に対処するために、最初の総合的マルチモーダルなUrban Digital TwinベンチマークデータセットTUM2TWINを紹介する。 このデータセットには、地理的にセマンティックに整合した3Dモデルとネットワーク、およびさまざまな地球、モバイル、航空、衛星観測結果、約10,000ドル以上のデータサブセット、そして現在767GBのデータが含まれている。
  論文  参考訳（メタデータ） (2025-05-12T09:48:32Z)
• CMAB: A First National-Scale Multi-Attribute Building Dataset in China Derived from Open Source Data and GeoAI [1.3586572110652484]
  本稿では,3,667の空間都市,2,900万の建物,213億平方メートルの屋上を対象とする全国規模のマルチアトリビュート・ビルディング・データセット(CMAB)について述べる。 何十億もの高解像度のGoogle Earth画像と6000万のストリートビュー画像(SVI)を使って、各ビルの屋上、高さ、機能、年齢、品質特性を生成しました。 我々のデータセットと結果は、グローバルSDGと都市計画にとって不可欠である。
  論文  参考訳（メタデータ） (2024-08-12T02:09:25Z)
• A global product of fine-scale urban building height based on spaceborne lidar [14.651500878252723]
  我々は2020年ごろに150mの細いグリッドサイズを基準に,都市ビルの高さの最新のグローバルな製品を提供する。 GEDIデータに基づく高さ推定法は, ピアソンrの0.78, RMSEの3.67mで有効であった。 この研究は、気候、環境、生態学、社会科学など多くの分野にわたる将来の都市研究を促進するだろう。
  論文  参考訳（メタデータ） (2023-10-22T16:51:15Z)
• 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)
• 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)
• UniG3D: A Unified 3D Object Generation Dataset [75.49544172927749]
  UniG3Dは、ShapeNetデータセット上に普遍的なデータ変換パイプラインを用いて構築された、統一された3Dオブジェクト生成データセットである。 このパイプラインは、各生の3Dモデルを包括的なマルチモーダルデータ表現に変換する。 データセットのデータソースの選択は、そのスケールと品質に基づいています。
  論文  参考訳（メタデータ） (2023-06-19T07:03:45Z)
• Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
  本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。 本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
  論文  参考訳（メタデータ） (2023-01-04T05:19:33Z)

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。