論文の概要: Building and Road Recognition in Dense Urban Informal Settlements: A Dataset and Benchmark

• arxiv url: http://arxiv.org/abs/2605.29856v1
• Date: Thu, 28 May 2026 12:37:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.240914
• Title: Building and Road Recognition in Dense Urban Informal Settlements: A Dataset and Benchmark
• Title（参考訳）: 密集都市インフォーマル集落における建物と道路認識:データセットとベンチマーク
• Authors: Hongyu Long, Jiaxuan Liu, Rui Cao,
• Abstract要約: このデータセットは、非常に密集した都市部における建設と道路抽出のために特別に設計された初めての高解像度リモートセンシングデータセットである。 このデータセット上で,最先端のディープラーニングモデルの包括的評価を行う。 textitDenseUISは、複雑で密度の高い非公式環境において、きめ細かい都市マッピングを進めるための堅牢なベンチマークを提供する。
• 参考スコア（独自算出の注目度）: 6.394278440586793
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a widespread form of informal settlements, urban villages present significant challenges for sustainable urban development and governance. Precise mapping of their infrastructure is essential, however, existing remote sensing datasets primarily focus on formal urban environments, lacking fine-grained annotated data for the high-density building patterns and narrow road networks typical of urban villages. To address this gap, we introduce the \textit{DenseUIS} dataset, the first high-resolution remote sensing dataset specifically designed for building and road extraction in extremely dense urban informal settlements, covering 126 urban villages across Shenzhen and Guangzhou in China. Furthermore, we conduct a comprehensive evaluation of state-of-the-art deep learning models on this dataset. Experimental results reveal the limitations of existing methods in handling the unique morphological patterns of dense informal settlements, underscoring the need for specialized approaches. \textit{DenseUIS} therefore provides a robust benchmark for advancing fine-grained urban mapping in complex and high-density informal environments. The dataset is publicly available at https://github.com/rui-research/DenseUIS.
• Abstract（参考訳）: 非公式集落の広範な形態として、都市村は持続可能な都市開発と統治に重大な課題を呈している。 インフラの正確なマッピングは不可欠であるが、既存のリモートセンシングデータセットは主に都市環境に重点を置いており、高密度建築パターンや都市に典型的な狭い道路網のための微粒なアノテートデータがない。 このギャップに対処するため,中国深セン市と広州市にまたがる126の都市部を網羅し,高度に密集した都市部における建築と道路の抽出に特化して設計された,最初の高解像度リモートセンシングデータセットである‘textit{DenseUIS’データセットを紹介した。 さらに,本データセットを用いた最先端ディープラーニングモデルの総合評価を行う。 実験結果から, 密接な居留地の特異な形態的パターンを扱う上での既存手法の限界が明らかとなり, 専門的なアプローチの必要性が示唆された。 したがって \textit{DenseUIS} は、複雑で高密度な非公式環境において、きめ細かい都市マッピングを進めるための堅牢なベンチマークを提供する。 データセットはhttps://github.com/rui-research/DenseUISで公開されている。

関連論文リスト

• Urban Forms Across Continents: A Data-Driven Comparison of Lausanne and Philadelphia [7.693465097015469]
  本研究では,地理的・文化的に異なる都市間での都市型を識別・比較するためのデータ駆動型枠組みを提案する。 ローザンヌ市,スイス市,フィラデルフィア市において,地形,多様性,緑地,興味点に関連する多次元的特徴を抽出した。 その結果, 規模, 密度, 文化状況の相違にもかかわらず, 両都市にまたがるクラスタタイプが出現している。
  論文  参考訳（メタデータ） (2025-05-05T18:13:22Z)
• 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)
• UV-SAM: Adapting Segment Anything Model for Urban Village Identification [25.286722125746902]
  政府は都市村を監視するための調査手法に大きく依存している。 衛星画像から都市村の境界を正確に識別するために,UV-SAM という都市村区分にセグメンションモデル(SAM)を適用した。 UV-SAMは、まず小さなセマンティックセグメンテーションモデルを利用して、マスク、バウンディングボックス、画像表現などの都市村の混合プロンプトを生成し、それをSAMに送り込み、きめ細かい境界識別を行う。
  論文  参考訳（メタデータ） (2024-01-16T03:21:42Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• 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)
• UrbanBIS: a Large-scale Benchmark for Fine-grained Urban Building Instance Segmentation [50.52615875873055]
  都市BISは6つの実際の都市のシーンで構成され、25億点があり、面積は10.78平方キロメートルである。 UrbanBISは、建物、車両、植生、道路、橋など、豊富な都市オブジェクトに意味レベルのアノテーションを提供する。 UrbanBISは、きめ細かいサブカテゴリを導入した最初の3Dデータセットである。
  論文  参考訳（メタデータ） (2023-05-04T08:01:38Z)
• 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)
• 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。