論文の概要: Global Building Area Estimation Products: How Accurate Are They?

• arxiv url: http://arxiv.org/abs/2607.19766v1
• Date: Wed, 22 Jul 2026 05:23:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:37.982317
• Title: Global Building Area Estimation Products: How Accurate Are They?
• Title（参考訳）: グローバルな建築面積推定製品はどの程度正確か?
• Abstract要約: GHSL(Global Human Settlement Layer)、MicrosoftのTEMPO(TEMPO)、The Global Building Atlas(GBA)、Overtureの4つのグローバルビルディング製品の精度を評価した。 精度を評価するための基礎的な真実として、我々は、手動でラベル付けされた建物のフットプリントのグローバルに多様なデータセットであるORBITaL-Netを使用している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Geo-spatial rasters of building footprint area are useful for a variety of tasks, such as monitoring urbanization, improving energy efficiency, and tracking greenhouse gas emissions. There are now multiple global building raster datasets, however there lacks an independent, comprehensive, and fair assessment of their accuracy. In this work, we evaluate the accuracy of four major global building products: Global Human Settlement Layer (GHSL), Microsoft's TEMPO (TEMPO), The Global Building Atlas (GBA), and Overture. As ground truth for assessing their accuracy, we use ORBITaL-Net, a globally diverse dataset of manually labeled building footprints. To ensure fairness, we evaluate products on grids of multiple spatial resolutions, and several conventional performance metrics. Our results indicate that either GBA or TEMPO generally achieves the highest overall accuracy, depending upon the particular evaluation criteria. We also stratify the accuracy of each product by several factors: geographic location, population density, and income groups. The results reveal that product accuracy can sometimes vary significantly with respect to these factors. Notably, all products are significantly less accurate in Africa and Asia. Most products also suffer significant accuracy reduction in high-density urban areas.
• Abstract（参考訳）: 都市化のモニタリング、エネルギー効率の向上、温室効果ガスの排出の追跡など、建築フットプリント面積の地空間ラスタは様々なタスクに有用である。 現在、複数のグローバルなビルディングラスターデータセットがあるが、その正確性について独立した、包括的な、公正な評価が欠けている。 本研究では,GHSL(Global Human Settlement Layer),MicrosoftのTEMPO(TEMPO),The Global Building Atlas(GBA),Overtureの4つのグローバルな構築製品の精度を評価する。 精度を評価するための基礎的な真実として、我々は、手動でラベル付けされた建物のフットプリントのグローバルに多様なデータセットであるORBITaL-Netを使用している。 公平性を確保するため,複数の空間解像度の格子上での製品評価と,従来の性能指標について検討した。 以上の結果から, GBA と TEMPO のどちらかが, 評価基準によって, 総合的精度が最も高いことが示唆された。 また,各商品の精度を,地理的な位置,人口密度,所得集団の2つの要因によって明らかにした。 その結果, 製品精度は, これらの要因によって大きく異なることが判明した。 特に、アフリカやアジアでは、すべての製品がかなり正確ではない。 ほとんどの製品は、高密度の都市部でかなりの精度の低下を被っている。

関連論文リスト

• GeoR-Bench: Evaluating Geoscience Visual Reasoning [102.4693880357753]
  現在のAIシステムが、真の地球科学の知性を達成するまでの距離は、まだ不明だ。 我々は,インフォメーション・ビジュアル・編集タスクの推論を通じて,アンダーライン評価のためのアンダーラインベンチマークである textbfGeoR-Bench を提案する。
  論文  参考訳（メタデータ） (2026-05-12T05:13:37Z)
• Evaluating the Quality of Open Building Datasets for Mapping Urban Inequality: A Comparative Analysis Across 5 Cities [1.4747234049753448]
  本研究では、OpenStreetMap(OSM)データに対して、GoogleとMicrosoftが生成したAI生成のOpen Buildingデータセットの品質とバイアスを評価する。 その結果、ヒューストンとベルリンは高いアライメントと完全性を示した。 分析されたデータセットにはギャップがあり、AccraやCaracasのような都市は表現が不足している可能性がある。
  論文  参考訳（メタデータ） (2025-08-18T12:14:57Z)
• AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data [10.960750426253215]
  我々は、高度に一般化された地理空間表現をもたらす埋め込み場モデルであるAlphaEarth Foundationsを紹介する。 AlphaEarth Foundationsが生成した埋め込みは、他のよく知られた、広く受け入れられている成果化アプローチを一貫して上回っている唯一の方法である。 2017年から2024年にかけて、グローバル、年次、分析対応の埋め込みフィールドレイヤのデータセットをリリースしました。
  論文  参考訳（メタデータ） (2025-07-29T23:55:00Z)
• HyBiomass: Global Hyperspectral Imagery Benchmark Dataset for Evaluating Geospatial Foundation Models in Forest Aboveground Biomass Estimation [1.0408909053766147]
  本研究では,森林表層バイオマス(AGB)推定のためのグローバル分散ベンチマークデータセットを提案する。 このベンチマークデータセットは、環境マッピング・分析プログラム(EnMAP)衛星からのHSIと、AGB密度推定の予測を組み合わせたものである。 このデータセットを用いた実験結果から,評価されたGeo-FMがベースラインU-Netの性能を上回り得るか,場合によっては超えることを示した。
  論文  参考訳（メタデータ） (2025-06-12T21:29:20Z)
• Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
  3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。 大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。 また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
  論文  参考訳（メタデータ） (2025-02-19T14:21:25Z)
• GEOBench-VLM: Benchmarking Vision-Language Models for Geospatial Tasks [84.86699025256705]
  本稿では,地理空間的タスクの視覚言語モデル(VLM)を評価するためのベンチマークであるGEOBench-VLMを提案する。 私たちのベンチマークでは、手動で検証された命令が1万以上あり、さまざまな視覚条件、オブジェクトタイプ、スケールにまたがっています。 地理空間固有の課題における性能を評価するために,いくつかの最先端のVLMを評価した。
  論文  参考訳（メタデータ） (2024-11-28T18:59:56Z)
• AGBD: A Global-scale Biomass Dataset [18.976975819550173]
  衛星画像から地上バイオマスを推定するための既存のデータセットは限られている。 このデータセットは、GEDIミッションからのAGB参照データとSentinel-2とPALSAR-2の画像のデータを組み合わせる。 これには、密集した天蓋の高さマップ、標高マップ、土地被覆分類マップなど、事前処理された高水準の特徴が含まれている。 単一の行のコードで簡単にアクセスでき、グローバルなAGB推定への取り組みの確固たる基盤を提供する。
  論文  参考訳（メタデータ） (2024-06-07T13:34:17Z)
• Global-Liar: Factuality of LLMs over Time and Geographic Regions [3.715487408753612]
  本研究は, GPT-3.5 や GPT-4 を含む広く採用されている GPT モデルにおける実測精度, 安定性, バイアスを評価する。 地理的および時間的表現の観点から一意にバランスのとれたデータセットである「Global-Liar」を導入する。
  論文  参考訳（メタデータ） (2024-01-31T13:57:24Z)
• GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
  大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。 我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。 実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
  論文  参考訳（メタデータ） (2023-10-10T00:03:23Z)
• GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
  我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。 オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。 我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
  論文  参考訳（メタデータ） (2023-05-11T03:21:56Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)

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。