論文の概要: A Modular and Multimodal Generative AI Framework for Urban Building Energy Data: Generating Synthetic Homes
- arxiv url: http://arxiv.org/abs/2509.09794v1
- Date: Thu, 11 Sep 2025 18:53:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-15 16:03:07.89761
- Title: A Modular and Multimodal Generative AI Framework for Urban Building Energy Data: Generating Synthetic Homes
- Title（参考訳）: 都市建設エネルギーデータのためのモジュール型・マルチモーダル生成AIフレームワーク:合成住宅を創出する
- Authors: Jackson Eshbaugh, Chetan Tiwari, Jorge Silveyra,
- Abstract要約: 我々は、生成人工知能(AI)を用いて、公開アクセス可能な情報や画像からデータを生成するモジュラー・マルチモーダル・フレームワークを導入する。
費用のかかるデータソースや制限されたデータソースへの依存を減らすことで、我々はよりアクセスしやすく再現可能な研究への道を開く。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Computational models have emerged as powerful tools for energy modeling research, touting scalability and quantitative results. However, these models require a plethora of data, some of which is inaccessible, expensive, or raises privacy concerns. We introduce a modular multimodal framework to produce this data from publicly accessible residential information and images using generative artificial intelligence (AI). Additionally, we provide a pipeline demonstrating this framework, and we evaluate its generative AI components. Our experiments show that our framework's use of AI avoids common issues with generative models. Our framework produces realistic, labeled data. By reducing dependence on costly or restricted data sources, we pave a path towards more accessible and reproducible research.
- Abstract（参考訳）: 計算モデルは、エネルギーモデリング研究、トーキングスケーラビリティ、定量的結果のための強力なツールとして登場した。
しかし、これらのモデルには大量のデータが必要です。
生成人工知能(AI)を用いて,公に利用可能な住宅情報や画像からこれらのデータを生成するためのモジュラー・マルチモーダル・フレームワークを導入する。
さらに、このフレームワークを実証するパイプラインを提供し、生成するAIコンポーネントを評価します。
実験の結果,我々のフレームワークのAI利用は生成モデルに共通する問題を回避していることがわかった。
我々のフレームワークはリアルなラベル付きデータを生成する。
費用のかかるデータソースや制限されたデータソースへの依存を減らすことで、我々はよりアクセスしやすく再現可能な研究への道を開く。
関連論文リスト
- Generative Models for Synthetic Data: Transforming Data Mining in the GenAI Era [49.46005489386284]
このチュートリアルでは、合成データ生成の基礎と最新の進歩を紹介する。
Atendeesは、生成的合成データを活用してデータマイニングの研究と実践を強化する、実用的な洞察を得る。
論文 参考訳（メタデータ） (2025-08-27T05:04:07Z) - Unlocking the Potential of Past Research: Using Generative AI to Reconstruct Healthcare Simulation Models [0.0]
本研究では、生成人工知能(AI)を用いたフリー・アンド・オープン・ソース・ソフトウェア(FOSS)を用いた出版モデルを再現する可能性について検討する。
ユーザインタフェースを含む2つのDESモデルの生成,テスト,内部再現に成功した。
報告された結果は1つのモデルで複製されたが、分布に関する情報が不足しているため、もう1つのモデルでは再現されなかった。
論文 参考訳（メタデータ） (2025-03-27T16:10:02Z) - Exploring the Landscape for Generative Sequence Models for Specialized Data Synthesis [0.0]
本稿では, 複雑度の異なる3つの生成モデルを用いて, 悪意ネットワークトラフィックを合成する手法を提案する。
提案手法は,数値データをテキストに変換し,言語モデリングタスクとして再フレーミングする。
提案手法は,高忠実度合成データの生成において,最先端の生成モデルを超えている。
論文 参考訳（メタデータ） (2024-11-04T09:51:10Z) - AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。
本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。
実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文 参考訳（メタデータ） (2023-10-03T06:55:19Z) - StableLLaVA: Enhanced Visual Instruction Tuning with Synthesized
Image-Dialogue Data [129.92449761766025]
本稿では,視覚的インストラクションチューニングのための画像と対話を同期的に合成する新しいデータ収集手法を提案する。
このアプローチは生成モデルのパワーを活用し、ChatGPTとテキスト・ツー・イメージ生成モデルの能力とを結合する。
本研究は,各種データセットを対象とした総合的な実験を含む。
論文 参考訳（メタデータ） (2023-08-20T12:43:52Z)
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。