論文の概要: Assessing Building Heat Resilience Using UAV and Street-View Imagery with Coupled Global Context Vision Transformer

• arxiv url: http://arxiv.org/abs/2601.11357v1
• Date: Fri, 16 Jan 2026 15:13:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.532998
• Title: Assessing Building Heat Resilience Using UAV and Street-View Imagery with Coupled Global Context Vision Transformer
• Title（参考訳）: グローバル・コンテクスト・ビジョン・トランスを用いたUAVとストリートビュー画像によるビルの耐熱性評価
• Authors: Steffen Knoblauch, Ram Kumar Muthusamy, Hao Li, Iddy Chazua, Benedcto Adamu, Innocent Maholi, Alexander Zipf,
• Abstract要約: 気候変動は人間の熱曝露を激化させており、特にグローバル・サウスの都市部が密集している。 本研究では,無人航空機(UAV)とストリートビュー(SV)画像を融合した機械学習フレームワークを提案する。 以上の結果から,気候適応戦略における局所的・データ駆動型リスクアセスメントの重要性が示唆された。
• 参考スコア（独自算出の注目度）: 37.356470410535366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Climate change is intensifying human heat exposure, particularly in densely built urban centers of the Global South. Low-cost construction materials and high thermal-mass surfaces further exacerbate this risk. Yet scalable methods for assessing such heat-relevant building attributes remain scarce. We propose a machine learning framework that fuses openly available unmanned aerial vehicle (UAV) and street-view (SV) imagery via a coupled global context vision transformer (CGCViT) to learn heat-relevant representations of urban structures. Thermal infrared (TIR) measurements from HotSat-1 are used to quantify the relationship between building attributes and heat-associated health risks. Our dual-modality cross-view learning approach outperforms the best single-modality models by up to $9.3\%$, demonstrating that UAV and SV imagery provide valuable complementary perspectives on urban structures. The presence of vegetation surrounding buildings (versus no vegetation), brighter roofing (versus darker roofing), and roofing made of concrete, clay, or wood (versus metal or tarpaulin) are all significantly associated with lower HotSat-1 TIR values. Deployed across the city of Dar es Salaam, Tanzania, the proposed framework illustrates how household-level inequalities in heat exposure - often linked to socio-economic disadvantage and reflected in building materials - can be identified and addressed using machine learning. Our results point to the critical role of localized, data-driven risk assessment in shaping climate adaptation strategies that deliver equitable outcomes.
• Abstract（参考訳）: 気候変動は人間の熱曝露を激化させており、特にグローバル・サウスの都市部が密集している。 低コストな建設資材と高熱量表面により、このリスクはさらに悪化する。 しかし、そのような熱関連建築特性を評価するためのスケーラブルな手法は依然として乏しい。 都市構造の熱関連表現を学習するために,オープンな無人航空機 (UAV) とストリートビュー (SV) 画像を結合したグローバル・コンテクスト・ビジョン・トランスフォーマー (CGCViT) で融合する機械学習フレームワークを提案する。 HotSat-1の熱赤外(TIR)測定は、建築特性と熱関連健康リスクとの関係を定量化するために用いられる。 我々のデュアルモダリティ・クロスビュー・ラーニング・アプローチは、最高の単一モダリティモデルを最大9.3セントで上回り、UAVとSVのイメージが都市構造を補完する貴重な視点を提供することを示した。 建物を取り巻く植生(植生を含まない)、明るい屋根(より暗い屋根)、コンクリート、粘土、木材(金属やタールパウリン)からなる屋根は、いずれも低いHotSat-1 TIR値に大きく関連している。 タンザニアのダルエスサラーム市に展開されているこの枠組みは、熱暴露における世帯レベルの不平等(しばしば社会経済的不利益と結びつき、建築材料に反映される)が機械学習によってどのように識別され、対処されるかを示すものである。 この結果から, 均等な結果をもたらす気候適応戦略の形成において, 局所的かつデータ駆動型リスクアセスメントが重要な役割を担っていることが示唆された。

関連論文リスト

• Solar PV Installation Potential Assessment on Building Facades Based on Vision and Language Foundation Models [11.037550898765502]
  本研究では,SF-SPA(Semantic Facade Solar-PV Assessment)を提案する。 このアプローチは、コンプタービジョンと人工知能技術を組み合わせて、視点歪み補正、ファサード要素の意味的理解、PVレイアウト最適化のための空間推論の3つの主要な課題に対処する。
  論文  参考訳（メタデータ） (2025-10-01T11:51:28Z)
• RoSe: Robust Self-supervised Stereo Matching under Adverse Weather Conditions [58.37558408672509]
  本稿では,ロバストな自己監督型環境対応学習と悪天候蒸留という2つの重要なステップからなる,堅牢な自己監督型訓練パラダイムを提案する。 提案手法の有効性と汎用性を実証し,既存の最先端の自己管理手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-23T15:41:40Z)
• Adopting Explainable-AI to investigate the impact of urban morphology design on energy and environmental performance in dry-arid climates [0.0]
  本研究では,都市建築エネルギーモデリング(UBEM)と機械学習(ML)と説明可能なAI技術を組み合わせた都市形態評価手法を提案する。 テヘランの密集した都市景観をケーススタディとして、この研究は30の形態パラメータが主要なエネルギー指標に与える影響を評価し、ランク付けする。 その結果、建築形態、窓と壁の比率、商業比率がエネルギー効率に影響を与える最も重要なパラメータであることが判明した。
  論文  参考訳（メタデータ） (2024-12-13T09:19:49Z)
• ReCap: Better Gaussian Relighting with Cross-Environment Captures [51.2614945509044]
  ReCapは、目に見えない環境で正確な3Dオブジェクトのリライトを行うマルチタスクシステムである。 具体的には、ReCapは共通の属性のセットを共有する複数の照明表現を共同で最適化する。 これにより、相互の材料属性を囲むコヒーレントな照明表現の集合が自然に調和し、様々な物体の外観の共通点と相違点を利用する。 合理化されたシェーディング機能と効果的な後処理とともに、ReCapは、拡張されたリライトベンチマークにおいて、主要な競合企業すべてを上回っている。
  論文  参考訳（メタデータ） (2024-12-10T14:15:32Z)
• Global Estimation of Building-Integrated Facade and Rooftop Photovoltaic Potential by Integrating 3D Building Footprint and Spatio-Temporal Datasets [24.770137545969312]
  本研究は, ビル・インテグレート型太陽光発電(BIPV)ポテンシャルを時間的・空間的に推定することの課題に取り組む。 各種気象データソースと3Dビルディングフットプリントモデルを統合し,BIPVポテンシャルを評価するための総合的手法を提案する。 我々は, BIPV電位測定における3次元建築形態, 都市景観形態, 地理的位置決めの重要性を強調した。
  論文  参考訳（メタデータ） (2024-12-02T09:04:16Z)
• Estimating Building Energy Efficiency From Street View Imagery, Aerial Imagery, and Land Surface Temperature Data [0.0]
  本研究は,純粋にリモートセンシングされたデータを用いて建物のエネルギー効率を推定できる新しい手法を提案する。 効率的な建物と非効率な建物を区別するバイナリ設定において、我々のエンドツーエンドのディープラーニングモデルは62.06%のマクロ平均F1スコアを達成する。
  論文  参考訳（メタデータ） (2022-06-05T21:04:20Z)
• Maximizing Self-supervision from Thermal Image for Effective Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
  熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。 弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。 本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
  論文  参考訳（メタデータ） (2022-01-12T09:49:24Z)
• Urban Heat Islands: Beating the Heat with Multi-Modal Spatial Analysis [0.3121997724420106]
  過度の熱ストレスは、個人から世界まで、様々なレベルの問題を引き起こす。 世界レベルでは、UHIは地球温暖化に寄与し、環境に悪影響を及ぼす可能性がある。 本稿では, 統計モデルを用いて, UHIが都市の都市形態特性にどのように影響されているかを明らかにする枠組みを提案する。
  論文  参考訳（メタデータ） (2020-12-05T15:18:22Z)
• Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
  2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。 我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
  論文  参考訳（メタデータ） (2020-10-20T15:31:38Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。