論文の概要: Deep learning enables urban change profiling through alignment of historical maps

• arxiv url: http://arxiv.org/abs/2602.02154v1
• Date: Mon, 02 Feb 2026 14:31:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.208842
• Title: Deep learning enables urban change profiling through alignment of historical maps
• Title（参考訳）: 深層学習は歴史的地図のアライメントによる都市変化のプロファイリングを可能にする
• Authors: Sidi Wu, Yizi Chen, Maurizio Gribaudi, Konrad Schindler, Clément Mallet, Julien Perret, Lorenz Hurni,
• Abstract要約: 本研究では,大規模な歴史的地図コレクションから詳細な都市変化解析を行うための,完全に自動化された深層学習に基づくフレームワークを提案する。 この枠組みは、歴史的地図の分析をアドホックな視覚比較から、都市の変化の体系的、定量的な特徴へとシフトさせる。
• 参考スコア（独自算出の注目度）: 22.61017848915787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prior to modern Earth observation technologies, historical maps provide a unique record of long-term urban transformation and offer a lens on the evolving identity of cities. However, extracting consistent and fine-grained change information from historical map series remains challenging due to spatial misalignment, cartographic variation, and degrading document quality, limiting most analyses to small-scale or qualitative approaches. We propose a fully automated, deep learning-based framework for fine-grained urban change analysis from large collections of historical maps, built on a modular design that integrates dense map alignment, multi-temporal object detection, and change profiling. This framework shifts the analysis of historical maps from ad hoc visual comparison toward systematic, quantitative characterization of urban change. Experiments demonstrate the robust performance of the proposed alignment and object detection methods. Applied to Paris between 1868 and 1937, the framework reveals the spatial and temporal heterogeneity in urban transformation, highlighting its relevance for research in the social sciences and humanities. The modular design of our framework further supports adaptation to diverse cartographic contexts and downstream applications.
• Abstract（参考訳）: 現代の地球観測技術に先立って、歴史地図は長期的な都市化のユニークな記録を提供し、都市の進化するアイデンティティに関するレンズを提供する。 しかし、空間的不整合、地図の変動、文書品質の劣化などにより、歴史地図シリーズから一貫したきめ細かな変化情報を抽出することは依然として困難であり、ほとんどの分析は小規模または定性的アプローチに限られている。 本研究では,高密度マップアライメント,マルチ時間オブジェクト検出,変更プロファイリングを統合したモジュラー設計に基づいて,歴史地図の集合から詳細な都市変化解析を行うための,完全自動化されたディープラーニングベースのフレームワークを提案する。 この枠組みは、歴史的地図の分析をアドホックな視覚比較から、都市の変化の体系的、定量的な特徴へとシフトさせる。 実験では,アライメント法とオブジェクト検出法の頑健な性能を示す。 1868年から1937年にかけてパリに適用されたこの枠組みは、都市変革における空間的・時間的異質性を明らかにし、社会科学と人文科学の研究との関連性を強調している。 我々のフレームワークのモジュラー設計は、様々な地図コンテキストや下流アプリケーションへの適応をさらにサポートする。

関連論文リスト

• History-Enhanced Two-Stage Transformer for Aerial Vision-and-Language Navigation [64.51891404034164]
  Aerial Vision-and-Language Navigation (AVLN) は、大規模都市環境でターゲットをローカライズするために無人航空機(UAV)のエージェントを必要とする。 既存のUAVエージェントは通常、これらの2つの側面のバランスに苦しむ単粒度フレームワークを採用する。 この研究は、粗いナビゲーションパイプラインを通じて2つの側面を統合するヒストリ強化2段階トランスフォーマー(HETT)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-16T09:16:07Z)
• Studying Maps at Scale: A Digital Investigation of Cartography and the Evolution of Figuration [0.0]
  この研究は、38のデジタルカタログから集められた71,561の地図記録と99,715のデジタル画像の多種多様なコーパスを活用している。 地図学の空間的焦点は、政治的ダイナミクス、大西洋海図作成、三角貿易、植民地拡大の関連性について分析される。 ランドクラスの解析により、地図はフレーミングと構成が中心的および意味的対称性を通して特徴を強調するデザインされたイメージであることが示された。
  論文  参考訳（メタデータ） (2025-11-24T10:35:37Z)
• Transformer Based Building Boundary Reconstruction using Attraction Field Maps [0.3749861135832072]
  本稿では,グラフ畳み込みネットワーク(GCN)を利用した新たな深層学習手法を提案する。 当社のモデルであるDecoupled-PolyGCNは、APの6%、ARの10%で既存の手法より優れており、正確で規則化された建物のフットプリントを提供する能力を示している。
  論文  参考訳（メタデータ） (2025-07-22T21:53:03Z)
• HisTrackMap: Global Vectorized High-Definition Map Construction via History Map Tracking [24.21124150354725]
  本稿では,地図要素の履歴軌跡を時間的に追跡することで,新たなエンドツーエンド追跡フレームワークのグローバルマップ構築を提案する。 このトラッキングフレームワーク内にMap-Trajectory Prior Fusionモジュールを導入し、追跡されたインスタンスの過去の事前情報を活用して、時間的滑らかさと連続性を改善する。 nuScenesとArgoverse2データセットに関する実質的な実験により、提案手法は、単一フレームおよび時間メトリクスの両方において、最先端(SOTA)メソッドよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-03-10T10:44:43Z)
• MapExplorer: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
  低次元の可視化や「投影マップ」は大規模で複雑なデータセットの解釈に広く用いられている。 これらの視覚化は、既存の知識空間を理解するのに役立つだけでなく、未知の領域への探索を暗黙的にガイドする。 プロジェクションマップ内の座標をコヒーレントでコンテキストに整合したテキストコンテンツに変換する新しい知識発見タスクであるMapExplorerを紹介する。
  論文  参考訳（メタデータ） (2024-12-24T20:16:13Z)
• Self-supervised Video Instance Segmentation Can Boost Geographic Entity Alignment in Historical Maps [16.35356981558991]
  ビデオ・インスタンス・セグメンテーション(VIS)を用いた歴史的地図における地理的実体のセグメンテーションとアソシエーションを組み合わせた新しいアプローチを提案する。 この課題を軽減するために,歴史地図上でのVIS性能を向上させる自己教師付き学習(SSL)技術について検討する。
  論文  参考訳（メタデータ） (2024-11-26T13:31:51Z)
• Mobile Mapping Mesh Change Detection and Update [0.0]
  品質,カバレッジ,取得時間が異なるメッシュをマージする問題に対処する,完全な自動パイプラインを提案する。 提案手法は,距離と視認性に基づく変化検出,変化の持続可能性を評価する時系列解析,大域的最適化に基づくメッシュモザイキングに基づく。
  論文  参考訳（メタデータ） (2023-03-13T15:24:06Z)
• 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)
• A Transfer Learning approach to Heatmap Regression for Action Unit intensity estimation [50.261472059743845]
  アクション・ユニット(英: Action Units、AUs)は、幾何学に基づく原子性顔面筋運動である。 本稿では,その位置と強度を共同で推定する新しいAUモデリング問題を提案する。 ヒートマップは、所定の空間的位置でAUが発生するか否かをモデル化する。
  論文  参考訳（メタデータ） (2020-04-14T16:51:13Z)

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。