論文の概要: Envisioning global urban development with satellite imagery and generative AI

• arxiv url: http://arxiv.org/abs/2603.26831v1
• Date: Fri, 27 Mar 2026 05:07:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.651127
• Title: Envisioning global urban development with satellite imagery and generative AI
• Title（参考訳）: 衛星画像と生成AIによる世界都市開発をめざして
• Authors: Kailai Sun, Yuebing Liang, Mingyi He, Yunhan Zheng, Alok Prakash, Shenhao Wang, Jinhua Zhao, Alex "Sandy'' Pentland,
• Abstract要約: 本研究では,世界規模で持続可能な都市開発を実現するための多モード生成型AIフレームワークを設計する。 プロンプトと地理空間制御を統合することで、我々のフレームワークは高忠実で多彩でリアルな都市衛星画像を生成することができる。 また、周囲の環境から学ぶことで都市再開発の実践を促進する。
• 参考スコア（独自算出の注目度）: 15.552739333456172
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Urban development has been a defining force in human history, shaping cities for centuries. However, past studies mostly analyze such development as predictive tasks, failing to reflect its generative nature. Therefore, this study designs a multimodal generative AI framework to envision sustainable urban development at a global scale. By integrating prompts and geospatial controls, our framework can generate high-fidelity, diverse, and realistic urban satellite imagery across the 500 largest metropolitan areas worldwide. It enables users to specify urban development goals, creating new images that align with them while offering diverse scenarios whose appearance can be controlled with text prompts and geospatial constraints. It also facilitates urban redevelopment practices by learning from the surrounding environment. Beyond visual synthesis, we find that it encodes and interprets latent representations of urban form for global cross-city learning, successfully transferring styles of urban environments across a global spatial network. The latent representations can also enhance downstream prediction tasks such as carbon emission prediction. Further, human expert evaluation confirms that our generated urban images are comparable to real urban images. Overall, this study presents innovative approaches for accelerated urban planning and supports scenario-based planning processes for worldwide cities.
• Abstract（参考訳）: 都市開発は人類の歴史において決定的な力となり、何世紀にもわたって都市を形成してきた。 しかし、過去の研究では、主に予測タスクのような発達を解析しており、その生成的性質を反映していない。 そこで本研究では,世界規模で持続可能な都市開発を実現するための多モード生成型AIフレームワークを設計する。 我々のフレームワークは,プロンプトと地理空間制御を統合することで,世界500大都市圏にまたがる高忠実で多彩でリアルな都市衛星画像を生成することができる。 ユーザーは都市開発目標を指定でき、テキストプロンプトや地理空間的制約で外観を制御できる多様なシナリオを提供しながら、それに合わせて新しい画像を作成することができる。 また、周囲の環境から学ぶことで都市再開発の実践を促進する。 視覚合成以外にも、グローバルな都市間学習のための都市形態の潜在表現を符号化し、解釈し、グローバルな空間ネットワークを通して都市環境のスタイルを伝達することに成功した。 潜在表現はまた、二酸化炭素排出量予測のような下流予測タスクを強化することができる。 さらに, 都市画像が実際の都市画像に匹敵するものであることを, 人間の専門家による評価により確認した。 本研究は,都市計画の高速化に向けた革新的アプローチを概説し,世界都市を対象としたシナリオベース計画プロセスを支援する。

関連論文リスト

• Urban-R1: Reinforced MLLMs Mitigate Geospatial Biases for Urban General Intelligence [64.36291202666212]
  アーバン・ジェネラル・インテリジェンス(UGI)とは、複雑な都市環境を理解し、推論できるAIシステムである。 近年, LLM と MLLM の教師付き微調整 (SFT) を用いた都市基盤モデルの構築が進められている。 MLLMをUGIの目的と整合させる強化学習に基づくポストトレーニングフレームワークであるUrban-R1を提案する。
  論文  参考訳（メタデータ） (2025-10-18T15:59:09Z)
• Generative AI for Urban Planning: Synthesizing Satellite Imagery via Diffusion Models [9.385767746826286]
  我々は、土地利用記述、インフラ、自然環境に照らした高忠実な衛星画像を生成するために、制御ネットで拡張された最先端の安定拡散モデルを適用した。 米国の主要3都市からのデータを用いて,提案した拡散モデルが,土地利用形態,道路網,水域などによって,現実的で多様な都市景観を生成することを示す。 我々のモデルは高いFIDとKIDのスコアを達成し、多様な都市環境におけるロバスト性を実証する。
  論文  参考訳（メタデータ） (2025-05-13T04:55:38Z)
• AerialGo: Walking-through City View Generation from Aerial Perspectives [48.53976414257845]
  AerialGoは、空中画像からリアルな街並みを生成するフレームワークである。 AerialGoは、アクセス可能な航空データに地上視合成を条件付けすることで、地上レベルの画像に固有のプライバシーリスクを回避できる。 実験により、AerialGoは地上レベルのリアリズムと構造的コヒーレンスを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-11-29T08:14:07Z)
• StreetviewLLM: Extracting Geographic Information Using a Chain-of-Thought Multimodal Large Language Model [12.789465279993864]
  地理空間予測は災害管理、都市計画、公衆衛生など様々な分野において重要である。 提案するStreetViewLLMは,大規模言語モデルと連鎖推論とマルチモーダルデータソースを統合した新しいフレームワークである。 このモデルは、香港、東京、シンガポール、ロサンゼルス、ニューヨーク、ロンドン、パリを含む7つの世界都市に適用されている。
  論文  参考訳（メタデータ） (2024-11-19T05:15:19Z)
• Towards Invariant Time Series Forecasting in Smart Cities [21.697069894721448]
  本研究では,異なる都市環境下でのより堅牢な予測のために,不変表現を導出する手法を提案する。 本手法は, 気候モデル, 都市計画, スマートシティ資源管理など, 多様な分野に拡張することができる。
  論文  参考訳（メタデータ） (2024-05-08T21:23:01Z)
• Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
  この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。 都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。 多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
  論文  参考訳（メタデータ） (2023-08-24T16:20:00Z)
• 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)
• Empowering Urban Governance through Urban Science: Multi-scale Dynamics of Urban Systems Worldwide [0.0]
  現在の都市科学は将来の都市政策に有用な基盤を提供することができる。 都市の進化に関する国際比較は、国家の領土の枠組みが都市システムの力学と厳密に一致しているとは限らないため、しばしば不確実な結果をもたらす。 地域・国家境界を超えた都市の動的ネットワークを考慮した都市システムの構築を提案する。
  論文  参考訳（メタデータ） (2020-05-20T12:47:40Z)
• City limits in the age of smartphones and urban scaling [0.0]
  都市計画は、都市システム全体にわたる都市境界を定義するための適切な基準をまだ欠いている。 ICTは、都市システムのより正確な記述を記述する可能性を提供する。 都市境界を定義するため,大量の携帯電話記録に計算手法を適用した。
  論文  参考訳（メタデータ） (2020-05-06T17:31:21Z)

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。