論文の概要: SENSE: Satellite-based ENergy Synthesis for Sustainable Environment

• arxiv url: http://arxiv.org/abs/2605.18101v1
• Date: Mon, 18 May 2026 09:13:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.216637
• Title: SENSE: Satellite-based ENergy Synthesis for Sustainable Environment
• Title（参考訳）: SENSE:サステナブル環境のための衛星ベースのエネルギー合成
• Authors: Kailai Sun, Mingyi He, Heye Huang, Can Rong, Alok Prakash, Baoshen Guo, Shenhao Wang, Jinhua Zhao,
• Abstract要約: 都市建設エネルギーモデリングは、国連の持続可能な開発目標7と11を達成する上で重要な役割を担っている。 本稿では,現実的な都市衛星画像と高品質な建築エネルギー消費と高さマップを協調的に合成する統合生成UBEMフレームワークであるSENSEを提案する。 実験により、SENSEは20%未満のラベル付きエネルギーデータを使用して十分な注釈付き合成データを生成することができ、下流予測性能を10%IoUに向上させることが示された。
• 参考スコア（独自算出の注目度）: 15.843163909588851
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Urban Building Energy Modeling plays a critical role in achieving the United Nations' Sustainable Development Goals 7 and 11. Although existing studies based on satellite imagery and deep learning have achieved remarkable progress, many challenges exist: most existing studies are inherently predictive, failing to reflect the generative nature of urban planning; although generative AI and diffusion models have seen explosive growth in satellite imagery, they lack the urban functional generation (e.g., energy layer); third, aligned high-quality high-resolution building energy data with satellite imagery is limited and scarce. Here we propose SENSE (Satellite-based ENergy Synthesis for Sustainable Environment), a unified generative UBEM framework that jointly synthesizes realistic urban satellite imagery and aligned high-quality building energy consumption and height maps. By conditioning on road networks and urban density metrics, SENSE, based on a controllable diffusion model, leverages the knowledge learned by large vision models to generate urban building energy consumption and height information (annotations) in the latent space. Experiments across four cities (New York City, Boston, Lyon, Busan) demonstrate that SENSE achieves high visual fidelity and strong physical consistency, satisfying the ASHRAE standard metric. Experiments demonstrate that SENSE can generate enough annotated synthetic data using less than 20% labeled energy data, boosting downstream prediction performance by 10% IoU. Compared to SOTA urban energy prediction methods, SENSE significantly reduced prediction error (reduced 3%-11% NMBE and 1%-9% CVRMSE). This study offers an energy-efficiency urban planning and physical generation solution for urban science, energy science and building science. The dataset and code: https://huggingface.co/datasets/skl24/MUSE and https://github.com/kailaisun/GenAI4Urban-Energy/.
• Abstract（参考訳）: 都市建設エネルギーモデリングは、国連の持続可能な開発目標7と11を達成する上で重要な役割を担っている。 既存の衛星画像と深層学習に基づく研究は目覚ましい進歩を遂げているが、多くの既存の研究は本質的に予測的であり、都市計画の創造的な性質を反映していない。 SENSE (Stellite-based ENergy Synthesis for Sustainable Environment) は,現実的な都市衛星画像を共同で合成し,高品質な建築エネルギー消費と高さマップを整列させる,統一的な生成UBEMフレームワークである。 道路ネットワークと都市密度測定値の条件付けにより、制御可能な拡散モデルに基づくSENSEは、大規模ビジョンモデルによって学習された知識を活用して、潜在空間における都市建築エネルギー消費と高さ情報(注釈)を生成する。 4つの都市(ニューヨーク市、ボストン市、リヨン市、釜山市)での実験では、SENSEは高い視覚的忠実度と強い物理的整合性を達成し、ASHRAE標準メートル法を満たすことを示した。 実験により、SENSEは20%未満のラベル付きエネルギーデータを使用して十分な注釈付き合成データを生成することができ、下流予測性能を10%IoUに向上させることが示された。 SOTA都市エネルギー予測法と比較して,SENSEは予測誤差を有意に低減した(3%-11% NMBE,1%-9% CVRMSE)。 この研究は、都市科学、エネルギー科学、建築科学のためのエネルギー効率の高い都市計画と物理生成ソリューションを提供する。 データセットとコード:https://huggingface.co/datasets/skl24/MUSE and https://github.com/kailaisun/GenAI4Urban-Energy/

関連論文リスト

• Envisioning global urban development with satellite imagery and generative AI [15.552739333456172]
  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。
  論文  参考訳（メタデータ） (2026-03-27T05:07:45Z)
• LightCity: An Urban Dataset for Outdoor Inverse Rendering and Reconstruction under Multi-illumination Conditions [80.70675855203154]
  都市のシーンにおける逆レンダリングは、自動運転やデジタルツインといった応用にとって重要な要素である。 しかし、マルチイルミネーションや間接光、シャドウ効果などの複雑な照明条件のために大きな課題に直面している。 現実的な間接光と影効果を備えた多様な照明条件を特徴とする,高品質な合成都市データセットLightCityを提案する。
  論文  参考訳（メタデータ） (2026-02-01T09:37:00Z)
• BRIGHT: A globally distributed multimodal building damage assessment dataset with very-high-resolution for all-weather disaster response [50.76124284445902]
  ビル被害評価(BDA)は、人的被害を減らすために災害後の重要な能力である。 近年の研究では、目に見えない災害事象の正確なマッピングを実現するためのAIモデルの開発に焦点が当てられている。 本稿では, veRy-hIGH-resoluTion Optical and SAR image (BRIGHT) を用いたBDAデータセットを提案する。
  論文  参考訳（メタデータ） (2025-01-10T14:57:18Z)
• 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)
• 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)
• Solar potential analysis over Indian cities using high-resolution satellite imagery and DEM [0.0]
  本研究では,高解像度衛星画像 (0.5 cm) とデジタル高度モデル (1 m) の入力と地上局の放射データを用いて,屋上太陽ポテンシャルを推定する新しい手法を実装した。 その結果, 季節変動や環境影響, ソーラーパネル構造などの技術的理由により, 最大50%の電力損失が生じることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T10:50:39Z)
• 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)
• CitySurfaces: City-Scale Semantic Segmentation of Sidewalk Materials [6.573006589628846]
  ほとんどの都市では、データ収集のコスト抑制と時間のかかる性質のために、表面の空間カタログが欠落している。 近年のコンピュータビジョンの進歩とストリートレベルの画像の入手は、都市が大規模に構築された環境データを抽出する新たな機会を提供する。 そこで我々は,歩道素材の分類にコンピュータビジョン技術を活用する,能動的学習ベースのフレームワークであるCitySurfacesを提案する。
  論文  参考訳（メタデータ） (2022-01-06T21:58:37Z)
• Times Series Forecasting for Urban Building Energy Consumption Based on Graph Convolutional Network [20.358180125750046]
  建設業はアメリカにおけるエネルギー消費の40%以上を占めている。 UBEMはエネルギー効率の良いコミュニティの設計を支援する基盤である。 データ駆動型モデル統合工学または物理知識は、都市建設エネルギーシミュレーションを大幅に改善することができる。
  論文  参考訳（メタデータ） (2021-05-27T19:02:04Z)

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。