論文の概要: ShadeBench: A Benchmark Dataset for Building Shade Simulation in Sustainable Society
- arxiv url: http://arxiv.org/abs/2605.20510v1
- Date: Tue, 19 May 2026 21:28:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.385564
- Title: ShadeBench: A Benchmark Dataset for Building Shade Simulation in Sustainable Society
- Title（参考訳）: ShadeBench: 持続可能な社会におけるシェードシミュレーション構築のためのベンチマークデータセット
- Abstract要約: ShadeBenchは、都市シェード理解のための包括的なデータセットとベンチマークである。
このマルチモーダルデータセットに基づいて構築されたShadeBenchは,シェード生成やシェードセグメンテーション,3Dビルディング再構築など,さまざまなダウンストリームタスクをサポートする。
- 参考スコア（独自算出の注目度）: 30.44820766374578
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Urban heat exposure is becoming an increasingly critical challenge due to the intensifying urban heat island effect. Fine-grained shade patterns, especially those induced by urban buildings, strongly influence pedestrians' thermal exposure and outdoor activity planning. However, accurately modeling and analyzing urban shade at scale remains difficult because of the lack of large-scale datasets and systematic evaluation frameworks. To address this challenge, we present ShadeBench, a comprehensive dataset and benchmark for urban shade understanding. ShadeBench contains geographically diverse urban scenes with temporally varying simulated shade maps and textual descriptions, together with aligned satellite imagery, building skeleton representations, and 3D building meshes. Built upon this multimodal dataset, ShadeBench supports a range of downstream tasks, including shade generation, shade segmentation, and 3D building reconstruction. We further establish standardized evaluation protocols and baseline methods for these tasks. By enabling scalable and fine-grained shade analysis, ShadeBench provides a foundation for data-driven urban climate research and supports future studies in heat-resilient urban planning and decision-making. The code and dataset are publicly available at https://darl-genai.github.io/shadebench/.
- Abstract（参考訳）: 都市熱島効果の増大により、都市熱暴露はますます重要な課題になりつつある。
特に都会の建物によって引き起こされたきめ細かい陰影パターンは、歩行者の熱暴露と屋外活動計画に強く影響を及ぼす。
しかし、大規模なデータセットや体系的な評価フレームワークが欠如しているため、大規模都市シェードの正確なモデリングと分析は依然として困難である。
この課題に対処するために、都市シェード理解のための包括的なデータセットとベンチマークであるShadeBenchを紹介します。
ShadeBenchには地理的に多様な都市シーンがあり、時相的にシミュレートされたシェードマップやテキストによる記述、衛星画像の整列、骨格の表現、そして3Dビルディングメッシュがある。
このマルチモーダルデータセットに基づいて構築されたShadeBenchは,シェード生成やシェードセグメンテーション,3Dビルディング再構築など,さまざまなダウンストリームタスクをサポートする。
さらに,これらのタスクの標準化された評価プロトコルとベースライン手法を確立する。
スケーラブルできめ細かい日陰分析を可能にすることで、ShadeBenchはデータ駆動型都市気候研究の基礎を提供し、耐熱性都市計画と意思決定における将来の研究を支援している。
コードとデータセットはhttps://darl-genai.github.io/shadebench/で公開されている。
関連論文リスト
- 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) - HeatMat: Simulation of City Material Impact on Urban Heat Island Effect [5.9791504486574425]
都市ヒートアイランド(UHI)効果は、周辺地域に比べて都市環境の気温が著しく上昇している。
この効果に寄与する要因の1つは、農村部と異なる都市物質の性質である。
本研究では,実際の都市におけるUHI効果に対する都市物質の個人的影響を高分解能で解析する手法であるHeatMatを提案する。
論文 参考訳（メタデータ） (2026-01-30T10:20:47Z) - DeepShade: Enable Shade Simulation by Text-conditioned Image Generation [30.44820766374578]
現在のルーティングシステムは、衛星画像から直接日陰を推定することが困難であるため、日陰情報を組み込むことができない。
我々は、様々な経度域、建築密度の異なるレベル、異なる都市レイアウトをカバーする広範囲なデータセットを構築した。
本稿では,日陰変動を時間とともに学習し,合成するための拡散モデルであるDeepShadeを提案する。
論文 参考訳（メタデータ） (2025-07-16T10:19:12Z) - TUM2TWIN: Introducing the Large-Scale Multimodal Urban Digital Twin Benchmark Dataset [90.97440987655084]
都市デジタルツインズ(UDT)は、都市管理と多様なソースからの複雑な異種データの統合に欠かせないものとなっている。
これらの課題に対処するために、最初の総合的マルチモーダルなUrban Digital TwinベンチマークデータセットTUM2TWINを紹介する。
このデータセットには、地理的にセマンティックに整合した3Dモデルとネットワーク、およびさまざまな地球、モバイル、航空、衛星観測結果、約10,000ドル以上のデータサブセット、そして現在767GBのデータが含まれている。
論文 参考訳（メタデータ） (2025-05-12T09:48:32Z) - BuildingView: Constructing Urban Building Exteriors Databases with Street View Imagery and Multimodal Large Language Mode [1.0937094979510213]
ストリートビュー・イメージリーの進歩と、都市研究との統合によって、都市分析において、外部建設はますます重要になっている。
我々は,Googleストリートビューの高解像度視覚データをOpenStreetMapの空間情報とOverpass APIを介して統合する新しいアプローチであるBuildingViewを提案する。
本研究は,都市の建築外装データの精度を向上し,キーサステナビリティと設計指標を特定し,その抽出と分類のための枠組みを開発する。
論文 参考訳（メタデータ） (2024-09-29T03:00:16Z) - Deep Umbra: A Generative Approach for Sunlight Access Computation in
Urban Spaces [4.680816326435908]
本研究では,地球規模での日光アクセスと影の定量化を可能にする新しいフレームワークを提案する。
筆者らの枠組みは,都市の物理的形態を考慮した条件付き生成的敵ネットワークに基づいている。
私たちは7つの異なる都市からのデータを使ってモデルをトレーニングし、広範囲にわたる実験を通して、その全体のRMSEが低いことを示す。
我々は,6大陸100都市以上の日光アクセス情報を用いたケーススタディと包括的データセットをコントリビュートする。
論文 参考訳（メタデータ） (2024-02-27T03:05:05Z) - 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) - SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point
Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。
データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文 参考訳（メタデータ） (2022-01-12T14:48:11Z) - Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial
Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。
データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
論文 参考訳（メタデータ） (2020-12-23T21:48:47Z) - Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset,
Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。
私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。
我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文 参考訳（メタデータ） (2020-09-07T14:47:07Z)
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。