論文の概要: Spatial-Morphological Modeling for Multi-Attribute Imputation of Urban Blocks

• arxiv url: http://arxiv.org/abs/2602.10923v1
• Date: Wed, 11 Feb 2026 15:00:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:02.033243
• Title: Spatial-Morphological Modeling for Multi-Attribute Imputation of Urban Blocks
• Title（参考訳）: 都市ブロックのマルチ属性インプットのための空間-モルフォロジーモデリング
• Authors: Vasilii Starikov, Ruslan Kozliak, Georgii Kontsevik, Sergey Mityagin,
• Abstract要約: 本研究では,データ駆動型形態素クラスタリングと近傍手法を組み合わせた空間形態素解析ツールを用いて,都市ブロックレベルでのフロアスペースインデックス(FSI)とグラウンドスペースインデックス(GSI)の欠落値を再構成する手法を提案する。 SMのみは意味のある形態構造を捉えるが,逆距離重み付け (IDW) 法や空間k-アネレスト近傍 (sKNN) 法と組み合わせることで,既存のSOTAモデルよりも優れた性能が得られることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate reconstruction of missing morphological indicators of a city is crucial for urban planning and data-driven analysis. This study presents the spatial-morphological (SM) imputer tool, which combines data-driven morphological clustering with neighborhood-based methods to reconstruct missing values of the floor space index (FSI) and ground space index (GSI) at the city block level, inspired by the SpaceMatrix framework. This approach combines city-scale morphological patterns as global priors with local spatial information for context-dependent interpolation. The evaluation shows that while SM alone captures meaningful morphological structure, its combination with inverse distance weighting (IDW) or spatial k-nearest neighbor (sKNN) methods provides superior performance compared to existing SOTA models. Composite methods demonstrate the complementary advantages of combining morphological and spatial approaches.
• Abstract（参考訳）: 都市の形態指標の正確な再構築は、都市計画とデータ駆動分析に不可欠である。 本研究では,データ駆動型形態素クラスタリングと近傍手法を組み合わせた空間形態素解析ツールを用いて,都市ブロックレベルでのフロアスペースインデックス(FSI)とグラウンドスペースインデックス(GSI)の欠落値を再構成する手法を提案する。 このアプローチは、都市規模の形態素パターンをグローバルな先行として、文脈依存補間のための局所的な空間情報と組み合わせる。 SMのみは意味のある形態構造を捉えるが,逆距離重み付け (IDW) 法や空間k-アネレスト近傍 (sKNN) 法と組み合わせることで,既存のSOTAモデルよりも優れた性能が得られることを示す。 合成法は、形態学的アプローチと空間的アプローチを組み合わせることの相補的な利点を示す。

関連論文リスト

• Unified Network-Based Representation of BIM Models for Embedding Semantic, Spatial, and Topological Data [7.45961004529471]
  建築情報モデリングは、そのライフサイクルを通して建築構造の包括的なデジタル表現を提供することによって、建設業界に革命をもたらした。 既存の研究では、BIMモデルにおけるコンポーネント間の複雑な空間的および位相的関係を捉える効果的な方法が欠如している。 本研究では,BIMモデルの「意味空間的トポロジ的」多次元設計特徴を統合した統合型ネットワークベース表現法を提案する。
  論文  参考訳（メタデータ） (2025-05-08T01:01:14Z)
• How to Bridge Spatial and Temporal Heterogeneity in Link Prediction? A Contrastive Method [11.719027225797037]
  我々は,新しいtextbfContrastive Learning-based textbfLink textbfPrediction model, textbfCLPを提案する。 我々のマイモデルは最先端モデルよりも一貫して優れており、AUCとAPで平均10.10%、13.44%の改善が示されている。
  論文  参考訳（メタデータ） (2024-11-01T14:20:53Z)
• Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image Compression [63.56922682378755]
  本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。 提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。 実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-08-17T01:34:51Z)
• Reconstructing Spatiotemporal Data with C-VAEs [49.1574468325115]
  移動領域の条件付き連続表現は一般的に用いられる。 本研究では,条件変数自動エンコーダ(C-VAE)モデルを用いて,領域の進化を現実的に表現する機能について検討する。
  論文  参考訳（メタデータ） (2023-07-12T15:34:10Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• Disentangling Structured Components: Towards Adaptive, Interpretable and Scalable Time Series Forecasting [52.47493322446537]
  本研究では,時空間パターンの各コンポーネントを個別にモデル化する適応的,解釈可能,スケーラブルな予測フレームワークを開発する。 SCNNは、空間時間パターンの潜在構造を算術的に特徴づける、MSSの事前定義された生成プロセスで動作する。 SCNNが3つの実世界のデータセットの最先端モデルよりも優れた性能を達成できることを示すため、大規模な実験が行われた。
  論文  参考訳（メタデータ） (2023-05-22T13:39:44Z)
• Extending regionalization algorithms to explore spatial process heterogeneity [5.158953116443068]
  そこで本稿では,空間状態記述のための2つの新しいアルゴリズムである2段Kモデルと2段Kモデルを提案する。 これらの結果から,3つのアルゴリズムが既存手法よりも優れている,あるいは同等の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-19T15:09:23Z)
• Spatial-Spectral Clustering with Anchor Graph for Hyperspectral Image [88.60285937702304]
  本稿では、HSIデータクラスタリングのための空間スペクトルクラスタリングとアンカーグラフ(SSCAG)という新しい非監視アプローチを提案する。 提案されたSSCAGは最先端のアプローチと競合する。
  論文  参考訳（メタデータ） (2021-04-24T08:09:27Z)
• On the spatial attention in Spatio-Temporal Graph Convolutional Networks for skeleton-based human action recognition [97.14064057840089]
  カルチャーネットワーク(GCN)は、スケルトンをグラフとしてモデル化することで、スケルトンに基づく人間の行動認識の性能を約束する。 最近提案されたG時間に基づく手法のほとんどは、ネットワークの各層におけるグラフ構造を学習することで、性能を向上させる。
  論文  参考訳（メタデータ） (2020-11-07T19:03:04Z)

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。