論文の概要: Learning Multidimensional Urban Poverty Representation with Satellite Imagery

• arxiv url: http://arxiv.org/abs/2509.04958v1
• Date: Fri, 05 Sep 2025 09:28:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-08 14:27:25.550469
• Title: Learning Multidimensional Urban Poverty Representation with Satellite Imagery
• Title（参考訳）: 衛星画像を用いた多次元都市貧困表現の学習
• Authors: Sungwon Park, Sumin Lee, Jihee Kim, Jae-Gil Lee, Meeyoung Cha, Jeasurk Yang, Donghyun Ahn,
• Abstract要約: 本稿では,衛星画像から多次元的欠落に関連する特徴を抽出して都市貧困の正確なマッピングを行う,新しい表現学習フレームワークを提案する。 提案手法は,(1)重要インフラに近接してコード化するためのコントラスト学習によるアクセシビリティ特性,(2)住宅条件を反映した建築フットプリントから派生した形態的特性,(3)夜間の強度から推定される経済特性の3つの相補的特徴を統合した。 これらの相補的特徴を統一的な表現に融合させることで、我々の枠組みは貧困の複雑な性質を捉え、しばしば経済発展の傾向から分岐する。
• 参考スコア（独自算出の注目度）: 25.063285756037697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in deep learning have enabled the inference of urban socioeconomic characteristics from satellite imagery. However, models relying solely on urbanization traits often show weak correlations with poverty indicators, as unplanned urban growth can obscure economic disparities and spatial inequalities. To address this limitation, we introduce a novel representation learning framework that captures multidimensional deprivation-related traits from very high-resolution satellite imagery for precise urban poverty mapping. Our approach integrates three complementary traits: (1) accessibility traits, learned via contrastive learning to encode proximity to essential infrastructure; (2) morphological traits, derived from building footprints to reflect housing conditions in informal settlements; and (3) economic traits, inferred from nightlight intensity as a proxy for economic activity. To mitigate spurious correlations - such as those from non-residential nightlight sources that misrepresent poverty conditions - we incorporate a backdoor adjustment mechanism that leverages morphological traits during training of the economic module. By fusing these complementary features into a unified representation, our framework captures the complex nature of poverty, which often diverges from economic development trends. Evaluations across three capital cities - Cape Town, Dhaka, and Phnom Penh - show that our model significantly outperforms existing baselines, offering a robust tool for poverty mapping and policy support in data-scarce regions.
• Abstract（参考訳）: 近年の深層学習は,衛星画像からの都市社会経済特性の推測を可能にしている。 しかしながら、都市化特性のみに依存したモデルは、未計画の都市成長が経済格差や空間的不平等を曖昧にする可能性があるため、貧困指標と弱い相関関係を示すことが多い。 この制限に対処するため,我々は,高解像度衛星画像から多次元欠落関連特徴を抽出し,都市貧困の正確なマッピングを行う,新しい表現学習フレームワークを導入する。 提案手法は,(1)本質的なインフラに近接してコード化するためのコントラスト学習によるアクセシビリティ特性,(2)非公式の居住環境を反映した建築フットプリントから派生した形態的特性,(3)夜間の強度から推定される経済特性の3つの相補的特徴を統合した。 貧困条件を誤って表す非居住夜光源等の素早い相関を緩和するため,我々は,経済モジュールのトレーニング中に形態的特性を活用するバックドア調整機構を組み込んだ。 これらの相補的特徴を統一的な表現に融合させることで、我々の枠組みは貧困の複雑な性質を捉え、しばしば経済発展の傾向から分岐する。 ケープタウン、ダッカ、プノンペンの3都市における評価は、当社のモデルが既存のベースラインを大幅に上回っており、データスカース地域の貧困マッピングと政策支援のための堅牢なツールを提供していることを示している。

関連論文リスト

• Demographics-Informed Neural Network for Multi-Modal Spatiotemporal forecasting of Urban Growth and Travel Patterns Using Satellite Imagery [3.378738346115004]
  本研究は,都市空間の変容を予測するために設計された,新しい階層情報深層学習フレームワークを提案する。 提案モデルは,衛星画像と人口統計データを統合した,時間的にゲートされた残差接続を備えたエンコーダ・デコーダアーキテクチャを用いている。 この研究は、衛星画像シーケンスと、それに対応する人口動態と旅行行動特性を組み合わせた総合的なマルチモーダルデータセットにも貢献する。
  論文  参考訳（メタデータ） (2025-06-14T11:33:40Z)
• Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
  メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。 次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。 20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
  論文  参考訳（メタデータ） (2025-01-20T07:12:40Z)
• Learning and Reasoning Multifaceted and Longitudinal Data for Poverty Estimates and Livelihood Capabilities of Lagged Regions in Rural India [22.98110639419913]
  このプロジェクトは、生活の質と生活の指標に基づいて、1990-2022年のインド農村の貧困状況を調べることを目的としている。 また、因果関係や縦断的分析も検討し、貧困の原因について検討する。
  論文  参考訳（メタデータ） (2023-04-27T05:33:08Z)
• Graph-based Village Level Poverty Identification [52.12744462605759]
  Webインフラストラクチャとそのモデリングツールの開発は、貧しい村を識別するための新しいアプローチを提供する。 地理的距離を通して村の接続をグラフとしてモデル化することにより,村の貧困状況とグラフトポロジ的位置との相関関係を示す。 貧しい村を識別する最初のグラフベース手法を提案する。
  論文  参考訳（メタデータ） (2023-02-14T06:58:40Z)
• 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)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• Socioeconomic correlations of urban patterns inferred from aerial images: interpreting activation maps of Convolutional Neural Networks [0.10152838128195464]
  都市化は近代社会にとって大きな課題であり、社会経済的不平等を広げつつ経済機会へのより良いアクセスを約束する。 ここでは,フランス全土の社会経済的地位を航空画像から予測し,都市トポロジの観点からクラスの活性化マップを解釈することによって,このギャップを埋める。 これらの結果は解釈可能なモデルを構築するための道を開くもので、都市化とその影響をよりよく追跡し理解するのに役立ちます。
  論文  参考訳（メタデータ） (2020-04-10T04:57:20Z)
• Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
  衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。 対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
  論文  参考訳（メタデータ） (2020-02-05T02:50:01Z)

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。