論文の概要: Mapping Historic Urban Footprints in France: Balancing Quality, Scalability and AI Techniques

• arxiv url: http://arxiv.org/abs/2510.02097v1
• Date: Thu, 02 Oct 2025 15:04:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.175678
• Title: Mapping Historic Urban Footprints in France: Balancing Quality, Scalability and AI Techniques
• Title（参考訳）: フランスにおける歴史的都市フットプリントのマッピング:品質、スケーラビリティ、AI技術とのバランス
• Authors: Walid Rabehi, Marion Le Texier, Rémi Lemoy,
• Abstract要約: 本研究は, Scan Histo 歴史地図シリーズ(1925-1950)から市街地を抽出するスケーラブルな深層学習パイプラインを開発することにより, ギャップを埋めるものである。 私たちの重要な革新は、歴史的地図の高放射能と複雑さを扱うために設計されたデュアルパスのU-Netアプローチです。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Quantitative analysis of historical urban sprawl in France before the 1970s is hindered by the lack of nationwide digital urban footprint data. This study bridges this gap by developing a scalable deep learning pipeline to extract urban areas from the Scan Histo historical map series (1925-1950), which produces the first open-access, national-scale urban footprint dataset for this pivotal period. Our key innovation is a dual-pass U-Net approach designed to handle the high radiometric and stylistic complexity of historical maps. The first pass, trained on an initial dataset, generates a preliminary map that identifies areas of confusion, such as text and roads, to guide targeted data augmentation. The second pass uses a refined dataset and the binarized output of the first model to minimize radiometric noise, which significantly reduces false positives. Deployed on a high-performance computing cluster, our method processes 941 high-resolution tiles covering the entirety of metropolitan France. The final mosaic achieves an overall accuracy of 73%, effectively capturing diverse urban patterns while overcoming common artifacts like labels and contour lines. We openly release the code, training datasets, and the resulting nationwide urban raster to support future research in long-term urbanization dynamics.
• Abstract（参考訳）: 1970年代以前のフランスにおける歴史的都市スプロールの定量的分析は、全国のデジタル都市フットプリントデータ不足によって妨げられている。 本研究では,Scan Histo 歴史地図シリーズ (1925-1950) から都市域を抽出するスケーラブルなディープラーニングパイプラインを開発することにより,このギャップを埋める。 私たちの重要な革新は、歴史的地図の高放射量およびスタイリスティックな複雑さを扱うために設計されたデュアルパスのU-Netアプローチです。 最初のパスは、最初のデータセットでトレーニングされ、テキストや道路などの混乱領域を識別する予備マップを生成して、ターゲットとするデータ拡張をガイドする。 第2パスは、改良されたデータセットと第1モデルのバイナライズされた出力を使用して、ラジオメトリックノイズを最小化し、偽陽性を著しく低減する。 高速計算クラスタ上に展開し,フランス大都市圏全体をカバーする高分解能タイル991を処理した。 最終モザイクの精度は73%で、多様な都市パターンを効果的に捉えながら、ラベルや輪郭線といった共通のアーティファクトを克服する。 コードを公開し、データセットをトレーニングし、その結果得られた全国的な都市ラスタを公開し、長期都市化のダイナミクスにおける将来の研究を支援する。

関連論文リスト

• A Scalable Machine Learning Pipeline for Building Footprint Detection in Historical Maps [0.0]
  本稿では,疎度な建物分布を持つ農村マップに適した,スケーラブルで効率的なパイプラインを提案する。 パイプラインは、Ordnance Survey Irelandの履歴25インチマップシリーズと6インチマップシリーズのテストセクションを使用して検証されている。 このパイプラインは1839年に製造された6インチの地図にある、タリー・コ・ゴールウェイの約22の建物を識別したが、1899年に製造された25インチの地図は見つからなかった。
  論文  参考訳（メタデータ） (2025-08-05T15:33:29Z)
• Semantic Segmentation for Sequential Historical Maps by Learning from Only One Map [0.4915744683251151]
  深層学習に基づくセマンティックセグメンテーションを用いたデジタル化の自動化手法を提案する。 このプロセスにおける重要な課題は、ディープニューラルネットワークのトレーニングに必要な地味なアノテーションの欠如である。 モデル微調整のための弱教師付き年齢追跡戦略を導入する。
  論文  参考訳（メタデータ） (2025-01-03T14:55:22Z)
• Probabilistic road classification in historical maps using synthetic data and deep learning [3.3755652248305004]
  深層学習と地理情報,コンピュータによる絵画,画像処理手法を融合した新しいフレームワークを提案する。 この枠組みは,道路地形のみを用いた歴史地図からの道路の抽出と分類を可能にする。 道路クラス2では, それぞれ94%以上, 92%以上であった。
  論文  参考訳（メタデータ） (2024-10-03T06:43:09Z)
• ControlCity: A Multimodal Diffusion Model Based Approach for Accurate Geospatial Data Generation and Urban Morphology Analysis [6.600555803960957]
  本稿では,アクセス可能なVGIデータと完全なVGIデータを利用して,都市建物のフットプリントデータの生成を支援するマルチソース地理データ変換ソリューションを提案する。 次に,多モード拡散モデルに基づく地理データ変換手法であるControlCityを提案する。 世界の22都市での実験では、ControlCityが実際の都市建築パターンをシミュレートすることに成功している。
  論文  参考訳（メタデータ） (2024-09-25T16:03:33Z)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)
• LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
  道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。 しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。 カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-06-14T05:48:36Z)
• Dataset of Pathloss and ToA Radio Maps With Localization Application [59.11388233415274]
  データセットには、実都市地図における現実的な密集した都市環境の大規模なコレクションに、シミュレートされたパスロス/受信信号強度(RSS)と到着時刻(ToA)ラジオマップが含まれる。 提案データセットの2つの主な応用は,1)入力都市地図からパスロスを予測する学習方法,2)無線の局所化である。 RSSとToAマップが同じ都市マップ上で同じシミュレーションによって計算されているという事実は、RSSとToAベースのローカライゼーション手法を公平に比較することができる。
  論文  参考訳（メタデータ） (2022-11-18T20:39:51Z)
• Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
  本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。 その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。 ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
  論文  参考訳（メタデータ） (2022-07-28T12:29:39Z)
• A Novel CNN-LSTM-based Approach to Predict Urban Expansion [1.2233362977312943]
  時系列リモートセンシングデータは、幅広いアプリケーションで使用できる豊富な情報ソースを提供します。 本稿では,時系列衛星画像を用いた都市拡大予測の課題について論じる。 都市の拡大を予測するためのセマンティックイメージ分割に基づく新しい2ステップアプローチを提案する。
  論文  参考訳（メタデータ） (2021-03-02T12:58:05Z)

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。