論文の概要: DeepShade: Enable Shade Simulation by Text-conditioned Image Generation

• arxiv url: http://arxiv.org/abs/2507.12103v3
• Date: Wed, 30 Jul 2025 23:20:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 15:10:45.241982
• Title: DeepShade: Enable Shade Simulation by Text-conditioned Image Generation
• Title（参考訳）: DeepShade: テキスト条件の画像生成によるシェードシミュレーションの実現
• Authors: Longchao Da, Xiangrui Liu, Mithun Shivakoti, Thirulogasankar Pranav Kutralingam, Yezhou Yang, Hua Wei,
• Abstract要約: 現在のルーティングシステムは、衛星画像から直接日陰を推定することが困難であるため、日陰情報を組み込むことができない。 我々は、様々な経度域、建築密度の異なるレベル、異なる都市レイアウトをカバーする広範囲なデータセットを構築した。 本稿では,日陰変動を時間とともに学習し,合成するための拡散モデルであるDeepShadeを提案する。
• 参考スコア（独自算出の注目度）: 25.13463236406671
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Heatwaves pose a significant threat to public health, especially as global warming intensifies. However, current routing systems (e.g., online maps) fail to incorporate shade information due to the difficulty of estimating shades directly from noisy satellite imagery and the limited availability of training data for generative models. In this paper, we address these challenges through two main contributions. First, we build an extensive dataset covering diverse longitude-latitude regions, varying levels of building density, and different urban layouts. Leveraging Blender-based 3D simulations alongside building outlines, we capture building shadows under various solar zenith angles throughout the year and at different times of day. These simulated shadows are aligned with satellite images, providing a rich resource for learning shade patterns. Second, we propose the DeepShade, a diffusion-based model designed to learn and synthesize shade variations over time. It emphasizes the nuance of edge features by jointly considering RGB with the Canny edge layer, and incorporates contrastive learning to capture the temporal change rules of shade. Then, by conditioning on textual descriptions of known conditions (e.g., time of day, solar angles), our framework provides improved performance in generating shade images. We demonstrate the utility of our approach by using our shade predictions to calculate shade ratios for real-world route planning in Tempe, Arizona. We believe this work will benefit society by providing a reference for urban planning in extreme heat weather and its potential practical applications in the environment.
• Abstract（参考訳）: 熱波は、特に地球温暖化が増すにつれて、公衆衛生にとって重大な脅威となる。 しかし、現在のルーティングシステム(例えばオンラインマップ)は、ノイズの多い衛星画像から直接シェードを推定することの困難さと、生成モデルのためのトレーニングデータの限られた可用性のために、シェード情報を組み込むことができない。 本稿では,2つの主要なコントリビューションを通じて,これらの課題に対処する。 まず,多彩な経度・緯度域,建築密度の変動レベル,都市配置の異なる範囲を網羅した広範囲なデータセットを構築した。 Blenderをベースとした3Dシミュレーションを、ビルの輪郭と組み合わせて利用し、年間と昼の異なる時間に、さまざまな日射角の下でビルの影を捉えます。 これらのシミュレーションされた影は衛星画像と一致しており、シェードパターンを学習するための豊富なリソースを提供する。 次に,日陰変動の学習と合成を目的とした拡散モデルDeepShadeを提案する。 エッジ特徴のニュアンスを強調し、RGBとCannyエッジ層を共同で検討し、コントラスト学習を取り入れて、シェードの時間的変化規則を捉える。 そして、既知の条件(例えば、日時、太陽角)のテキスト記述を条件にすることで、日陰画像の生成性能を向上させる。 我々は,アリゾナ州テンペにおける実世界のルート計画における日陰比を計算するために,日陰予測を用いたアプローチの有用性を実証する。 この研究は、極端な暑さにおける都市計画の参考と、その環境における潜在的実践的応用を提供することで、社会に利益をもたらすと信じている。

関連論文リスト

• The Devil is in the Darkness: Diffusion-Based Nighttime Dehazing Anchored in Brightness Perception [58.895000127068194]
  本稿では,Diffusion-based Nighttime Dehazingフレームワークについて紹介する。 輝度知覚ネットワークによって導かれる事前学習拡散モデルを統合する復元モデルを提案する。 実験では、データセットの有用性と、ジョイントヘイズ除去と輝度マッピングにおけるモデルの優れたパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-06-03T03:21:13Z)
• Shaded Route Planning Using Active Segmentation and Identification of Satellite Images [2.2162879952427343]
  脆弱なグループ、特に日光を浴びた歩道の歩行者やサイクリストは、ルート計画手法の開発を動機付けている。 本稿では,衛星画像から日陰領域を抽出するセグメンテーション基礎モデルを用いたパイプラインを初めて導入する。 これらのエリアは多層道路マップに統合され、ユーザーは距離と日陰の露出のバランスに基づいてルートをカスタマイズできる。 このシステムは、すでにオンラインで実装されており、デモビデオが公開されている。
  論文  参考訳（メタデータ） (2024-07-18T16:57:11Z)
• Deep Umbra: A Generative Approach for Sunlight Access Computation in Urban Spaces [4.680816326435908]
  本研究では,地球規模での日光アクセスと影の定量化を可能にする新しいフレームワークを提案する。 筆者らの枠組みは,都市の物理的形態を考慮した条件付き生成的敵ネットワークに基づいている。 私たちは7つの異なる都市からのデータを使ってモデルをトレーニングし、広範囲にわたる実験を通して、その全体のRMSEが低いことを示す。 我々は,6大陸100都市以上の日光アクセス情報を用いたケーススタディと包括的データセットをコントリビュートする。
  論文  参考訳（メタデータ） (2024-02-27T03:05:05Z)
• Sat2Scene: 3D Urban Scene Generation from Satellite Images with Diffusion [77.34078223594686]
  本稿では,3次元スパース表現に拡散モデルを導入し,それらをニューラルレンダリング技術と組み合わせることで,直接3次元シーン生成のための新しいアーキテクチャを提案する。 具体的には、まず3次元拡散モデルを用いて、所定の幾何学の点レベルのテクスチャ色を生成し、次にフィードフォワード方式でシーン表現に変換する。 2つの都市規模データセットを用いた実験により,衛星画像から写真リアルなストリートビュー画像シーケンスとクロスビュー都市シーンを生成する能力を示した。
  論文  参考訳（メタデータ） (2024-01-19T16:15:37Z)
• Incorporating Season and Solar Specificity into Renderings made by a NeRF Architecture using Satellite Images [0.0]
  我々は、NeRFベースのフレームワークを使用して、季節ごとにレンダリングを作成できる方法を示す。 NeRFは、視角と太陽角とは無関係に季節的な特徴を表現できるが、それでも影を描画できる。 我々は,Maxar WorldView-3衛星が撮影した画像を含む8つのエリア・オブ・関心事におけるネットワークの性能を示す。
  論文  参考訳（メタデータ） (2023-08-02T16:30:18Z)
• Exploring the Application of Large-scale Pre-trained Models on Adverse Weather Removal [97.53040662243768]
  ネットワークが異なる気象条件を適応的に処理できるようにするために,CLIP埋め込みモジュールを提案する。 このモジュールは、CLIP画像エンコーダによって抽出されたサンプル特定気象と、パラメータセットによって学習された分布特定情報を統合する。
  論文  参考訳（メタデータ） (2023-06-15T10:06:13Z)
• GECCO: Geometrically-Conditioned Point Diffusion Models [60.28388617034254]
  テキスト上で条件付き画像を生成する拡散モデルが最近,コンピュータビジョンコミュニティをはるかに超えている。 ここでは、無条件および条件付きの両方の点雲を画像で生成するという、関連する問題に取り組む。 後者では,スパーク画像の特徴を点雲に投影することに基づく,幾何学的動機付けによる新しい条件付け手法を提案する。
  論文  参考訳（メタデータ） (2023-03-10T13:45:44Z)
• Geometry-aware Single-image Full-body Human Relighting [37.381122678376805]
  単一イメージの人間のリライティングは、入力画像をアルベド、形状、照明に分解することで、新たな照明条件下でターゲットの人間をリライティングすることを目的としている。 それまでの方法は、アルベドと照明の絡み合いと、硬い影の欠如に悩まされていた。 我々のフレームワークは、難易度の高い照明条件下で、キャストシャドウのような光現実性の高い高周波影を生成することができる。
  論文  参考訳（メタデータ） (2022-07-11T10:21:02Z)

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。