論文の概要: Urban Complexity through Vision Intelligence: Variance, Gradients, and Correlations across Six Italian Cities
- arxiv url: http://arxiv.org/abs/2511.09258v1
- Date: Thu, 13 Nov 2025 01:43:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-13 22:34:54.487342
- Title: Urban Complexity through Vision Intelligence: Variance, Gradients, and Correlations across Six Italian Cities
- Title（参考訳）: ヴィジュアルインテリジェンスによる都市複雑度:イタリアの6都市における変動, 勾配, 相関
- Authors: Mirko Degli Esposti, Armando Bazzani, Chiara Dellacasa, Matteo Falcioni, Mario Massimon, Martino Pietropoli,
- Abstract要約: 本稿では,イタリアの6大都市圏における品質指標を客観的に分析するためのスケーラブルな手法を提案する。
地理参照ストリートビュー画像と高度都市ビジョンインテリジェンスシステムを用いて視覚環境を体系的に分類する。
その結果, 構造的不均一性(空間変動)を定量化し, 有意な品質分散が認められた。
クロスメトリック相関分析は、視覚次元間の安定だが控えめな相互依存性を強調する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a scalable methodology for the objective analysis of quality metrics across six major Italian metropolitan areas: Rome, Bologna, Florence, Milan, Naples, and Palermo. Leveraging georeferenced Street View imagery and an advanced Urban Vision Intelligence system, we systematically classify the visual environment, focusing on key metrics such as the Pavement Condition Index (PCI) and the Façade Degradation Score (FDS). The findings quantify Structural Heterogeneity (Spatial Variance), revealing significant quality dispersion (e.g., Milan $σ^2_{\mathrm{PCI}}=1.52$), and confirm that the classical Urban Gradient -- quality variation as a function of distance from the core -- is consistently weak across all sampled cities ($R^2 < 0.03$), suggesting a complex, polycentric, and fragmented morphology. In addition, a Cross-Metric Correlation Analysis highlights stable but modest interdependencies among visual dimensions, most notably a consistent positive association between façade quality and greenery ($ρ\approx 0.35$), demonstrating that structural and contextual urban qualities co-vary in weak yet interpretable ways. Together, these results underscore the diagnostic potential of Vision Intelligence for capturing the integrated spatial and morphological structure of Italian cities and motivate a large national-scale analysis.
- Abstract（参考訳）: 本稿では,ローマ,ボローニャ,フィレンツェ,ミラノ,ナポリ,パレルモの6大都市圏における品質指標を客観的に分析するためのスケーラブルな手法を提案する。
ジオレファレンスされたストリートビューの画像と高度な都市ビジョンインテリジェンスシステムを利用して、我々は、舗装条件指標(PCI)やファサード劣化スコア(FDS)といった重要な指標に着目し、視覚環境を体系的に分類する。
その結果、構造的不均一性(空間的変動)を定量化し、重要な品質分散(例えば、ミラノ$σ^2_{\mathrm{PCI}}=1.52$)を明らかにし、古典的な都市グラディエント(コアからの距離の関数としての質的変動)が、全てのサンプル都市(R^2 < 0.03$)にわたって一貫して弱く、複雑で多心的、断片的な形態を示唆している。
さらに、クロスメトリック相関分析(英語版)では、視覚次元間の安定だが穏やかな相互依存性が強調され、特にファサード品質と緑化(ρ\approx 0.35$)の一貫性のある正の相関が強調され、構造的および文脈的都市品質が弱く解釈可能な方法で共存していることが示されている。
これらの結果は、イタリアの都市の統合された空間構造と形態構造を捉え、大規模な国家規模の分析を動機付ける視覚知能の診断可能性を強調している。
関連論文リスト
- The Hierarchical Morphotope Classification: A Theory-Driven Framework for Large-Scale Analysis of Built Form [0.0]
本稿では,階層型形態分類(HiMoC)を紹介する。
HiMoCは、自発地域化法SA3を用いて、モルフォニープ(独特な特徴を持つ最小の局所性)のアイデアを運用している。
この手法は、中央ヨーロッパのいくつかの国でテストされ、9000万以上の建物の足跡を50万枚以上のモルフォペに分類する。
論文 参考訳（メタデータ） (2025-09-12T09:19:17Z) - Evaluating the Quality of Open Building Datasets for Mapping Urban Inequality: A Comparative Analysis Across 5 Cities [1.4747234049753448]
本研究では、OpenStreetMap(OSM)データに対して、GoogleとMicrosoftが生成したAI生成のOpen Buildingデータセットの品質とバイアスを評価する。
その結果、ヒューストンとベルリンは高いアライメントと完全性を示した。
分析されたデータセットにはギャップがあり、AccraやCaracasのような都市は表現が不足している可能性がある。
論文 参考訳（メタデータ） (2025-08-18T12:14:57Z) - Urban Forms Across Continents: A Data-Driven Comparison of Lausanne and Philadelphia [7.693465097015469]
本研究では,地理的・文化的に異なる都市間での都市型を識別・比較するためのデータ駆動型枠組みを提案する。
ローザンヌ市,スイス市,フィラデルフィア市において,地形,多様性,緑地,興味点に関連する多次元的特徴を抽出した。
その結果, 規模, 密度, 文化状況の相違にもかかわらず, 両都市にまたがるクラスタタイプが出現している。
論文 参考訳（メタデータ） (2025-05-05T18:13:22Z) - Q-Ground: Image Quality Grounding with Large Multi-modality Models [61.72022069880346]
Q-Groundは、大規模な視覚的品質グラウンドに取り組むための最初のフレームワークである。
Q-Groundは、大規模なマルチモダリティモデルと詳細な視覚的品質分析を組み合わせる。
コントリビューションの中心は、QGround-100Kデータセットの導入です。
論文 参考訳（メタデータ） (2024-07-24T06:42:46Z) - How does spatial structure affect psychological restoration? A method
based on Graph Neural Networks and Street View Imagery [4.989590204932523]
都市部における空間構造と復元品質の関係を明らかにするために,空間依存型グラフニューラルネットワーク(GNN)を提案する。
道路のトポロジ的関係を非ユークリッド的なデータ構造としてモデル化した都市レベルのグラフは、復元の質を測定するために用いられた。
論文 参考訳（メタデータ） (2023-11-29T05:20:10Z) - Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for
Cross-City Semantic Segmentation using High-Resolution Domain Adaptation
Networks [82.82866901799565]
我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。
単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。
高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
論文 参考訳（メタデータ） (2023-09-26T23:55:39Z) - Geometry Contrastive Learning on Heterogeneous Graphs [50.58523799455101]
本稿では,幾何学コントラスト学習(Geometry Contrastive Learning, GCL)と呼ばれる,新しい自己指導型学習手法を提案する。
GCLはユークリッドと双曲的な視点からヘテロジニアスグラフを同時に見ることができ、リッチな意味論と複雑な構造をモデル化する能力の強い融合を目指している。
4つのベンチマークデータセットの大規模な実験は、提案手法が強いベースラインよりも優れていることを示している。
論文 参考訳（メタデータ） (2022-06-25T03:54:53Z) - Bending Graphs: Hierarchical Shape Matching using Gated Optimal
Transport [80.64516377977183]
形状マッチングは、コンピュータグラフィックスと視覚のコミュニティにとって長い間研究されてきた問題である。
局所的なパッチレベル情報とグローバルな形状レベルの構造を組み込んだ階層型学習設計について検討する。
本研究では,非信頼ノード上の特徴を逐次更新し,形状間の一貫した一致を学習することで,新しい最適輸送解法を提案する。
論文 参考訳（メタデータ） (2022-02-03T11:41:46Z) - Neural Embeddings of Urban Big Data Reveal Emergent Structures in Cities [7.148078723492643]
都市部の異質性を利用したニューラルネットワーク(GNN)を提案する。
アメリカ合衆国の16大都市圏において,何百万もの携帯電話利用者による大規模高解像度モビリティデータセットを用いて,都市部コンポーネント間の複雑な関係をエンコードしていることを示す。
異なる郡で訓練されたモデルによって生成された埋め込みは、他の郡における創発的空間構造の50%から60%を捉えることができることを示す。
論文 参考訳（メタデータ） (2021-10-24T07:13:14Z) - 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)
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。