論文の概要: How Does Urban Context Relate to Residential Building Health? A Vision-POI Fusion Framework for Building-Level Housing Inspection

• arxiv url: http://arxiv.org/abs/2607.20263v1
• Date: Wed, 22 Jul 2026 15:18:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.129267
• Title: How Does Urban Context Relate to Residential Building Health? A Vision-POI Fusion Framework for Building-Level Housing Inspection
• Title（参考訳）: 都市環境と住宅の健康との関係 : ビルレベル住宅検査のためのビジョンPOI統合フレームワーク
• Abstract要約: 本研究では,多視点視覚検査とPOI由来の近傍コンテキストを組み合わせた視覚-POI融合フレームワークを提案する。 この実験データセットは,中国青島市における92の旧住宅群落,3,237の住宅群,25,608のフィールド取得検査画像を対象としている。
• 参考スコア（独自算出の注目度）: 36.37671978079458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Housing-level urban physical examination is essential for identifying residential building problems and supporting targeted urban renewal. Existing automated inspection studies primarily rely on individual images and rarely examine whether surrounding urban functional context can provide supplementary information for building-level assessment. This study proposes a vision-POI fusion framework that combines multi-view visual inspection with POI-derived neighborhood context for residential building health assessment. The empirical dataset covers 92 old residential communities, 3,237 residential buildings, and 25,608 field-acquired inspection images in Qingdao, China, encompassing seven categories of housing-related issues. First, multiple object detection models are evaluated to extract issue locations, categories, and confidence scores from individual images. The image-level outputs are subsequently aggregated across multiple views to construct interpretable building-level representations. Second, POI features are extracted within 500m, 1,000m, and 1,500m neighborhood buffers to characterize surrounding functional environments. Pearson and Spearman correlation analyses, combined with false discovery rate correction, are used to identify candidate contextual features. Finally, visual and POI features are integrated using a cost-sensitive Random Forest classifier under community-isolated spatial cross-validation. The results show that multi-view aggregation provides the main performance improvement, increasing the building-level Macro-F1 from 60.84% under Direct Detection to 74.95%. Incorporating POI context further increases Macro-F1 to 76.79%, although the additional gain is modest and category-dependent. POI information therefore functions as a supplementary contextual prior rather than a substitute for direct visual evidence or a causal determinant of building condition.
• Abstract（参考訳）: 住宅レベルの都市物理検査は, 住宅問題を特定し, 対象都市の再開発を支援するために不可欠である。 既存の自動検査研究は主に個々の画像に依存しており、周囲の都市機能状況がビルレベルの評価に補助的な情報を提供できるかどうかを検査することは稀である。 本研究では,多視点視覚検査とPOI由来の周辺環境を組み合わせた視覚-POI融合フレームワークを提案する。 中国青島市では,92の旧住宅群落,3,237の住宅群,25,608のフィールド取得検査画像が,7つの住宅関連問題を含んでいる。 まず、複数の物体検出モデルを評価し、個々の画像から問題位置、カテゴリ、信頼性スコアを抽出する。 画像レベルの出力はその後、解釈可能なビルディングレベルの表現を構築するために複数のビューに集約される。 第2に,500m,1,000m,1500mの周辺バッファ内でPOIの特徴を抽出し,周辺機能環境を特徴付ける。 PearsonとSpearmanの相関分析と偽発見率の補正を組み合わせることで、候補となる文脈特徴を同定する。 最後に、視覚的特徴とPOI的特徴は、地域空間のクロスバリデーションの下で、コストに敏感なランダムフォレスト分類器を用いて統合される。 その結果、マルチビューアグリゲーションが主な性能向上をもたらし、ビルレベルのマクロF1が60.84%から74.95%に増加した。 POIコンテキストを組み込むと、マクロF1は76.79%まで上昇するが、追加のゲインは穏やかでカテゴリーに依存している。 したがって、POI情報は直接的な視覚的証拠の代わりに、または建築条件の因果決定因子としてではなく、補足的な文脈として機能する。

関連論文リスト

• PlaceSeek: Human-Centered Geospatial Retrieval of Urban Outdoor Places via Semantic Grounding and Affective Alignment [0.6445605125467574]
  そこで我々はPlaceSeekについて紹介する。PlaceSeekは人間中心の屋外場所検索フレームワークで、自然言語クエリを位置情報付きストリートビュー画像にマッピングする。 PlaceSeekは、ユーザクエリを機能的で感情的なサブインテントに分解するインテント対応の検索メカニズムを導入している。 そこで我々は,ミラノの31,956箇所のPlaceSeekを,人間5人の評価者によって注釈付けされた10の自然言語クエリで評価した。
  論文  参考訳（メタデータ） (2026-08-25T06:57:29Z)
• MDWD: A Street-Level Dataset for Municipal Solid Waste Detection in Dense Urban Environments [0.23332469289621785]
  本稿では,マルタ国内廃棄物データセット(MDWD)を紹介する。 MDWDは3,697個の高解像度画像と11,461個の手動アノテートインスタンスからなるストリートレベルのベンチマークである。 その結果、MDWDは、コンパクトリアルタイム検出器とトランスフォーマーベースモデルの両方で効果的なトレーニングをサポートすることがわかった。
  論文  参考訳（メタデータ） (2026-07-31T19:54:25Z)
• A Joint Synthetic Housing-Household Inventory [1.338174941551702]
  世帯レベルでの詳細な住宅構造と人口動態を共同で捉えた高忠実度データセットは現存していない。 本稿では,個人と世帯を両立住宅ユニットに明示的に結びつける共同住宅在庫構築の枠組みについて述べる。 結果として得られた在庫は、災害時のレジリエンス計画、住宅および価格分析、エネルギー利用評価、公衆衛生研究など幅広い応用をサポートしている。
  論文  参考訳（メタデータ） (2026-05-16T14:58:44Z)
• Panoramic Affordance Prediction [94.50813972018504]
  順応予測は、具体化されたAIにおける知覚と行動の間に重要な橋渡しとなる。 本研究では,360度画像を用いたパノラマ精度予測法について紹介する。 本研究では,ヒトの胎児の視覚系に触発されたトレーニング不要で粗いパイプラインであるPAPを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:21:49Z)
• VisitHGNN: Heterogeneous Graph Neural Networks for Modeling Point-of-Interest Visit Patterns [3.545082819007165]
  VisitHGNNは、個々の関心点(POI)の確率を予測するために設計された関係性特化グラフネットワークである。 ビジターHGNNは平均KL偏差0.287、MAE0.008、Top-1精度0.853、R-square0.853で高い予測性能を達成している。 都市計画、交通政策、移動システム、公衆衛生におけるモデルによる意思決定支援の可能性。
  論文  参考訳（メタデータ） (2025-10-03T03:42:58Z)
• Interleaved Scene Graphs for Interleaved Text-and-Image Generation Assessment [53.45813302866466]
  我々は、インターリーブされたテキスト・画像生成のための総合的な評価フレームワークISGを提案する。 ISGは、全体性、構造性、ブロックレベル、画像固有性の4つのレベルで反応を評価する。 ISGと組み合わせて、ISG-Benchというベンチマークを導入し、8つのカテゴリと21のサブカテゴリにわたる1,150のサンプルを網羅した。
  論文  参考訳（メタデータ） (2024-11-26T07:55:57Z)
• Coverage and Bias of Street View Imagery in Mapping the Urban Environment [0.0]
  ストリートビュー画像(SVI)は、都市研究において貴重なデータ形式として出現し、都市環境を地図化し、知覚する新しい方法を可能にしている。 しかし、SVIの代表性、品質、信頼性に関する根本的な懸念はいまだに未解決のままである。 本研究は, 都市環境におけるSVIの要素レベルカバレッジを推定するための, 新規かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:58:43Z)
• Identifying every building's function in large-scale urban areas with multi-modality remote-sensing data [5.18540804614798]
  本研究は,大規模都市部における建物機能同定のための半教師付き枠組みを提案する。 光画像、建築高さ、夜間光データを収集し、建物の形態特性を記述する。 結果は、政府による2万の検証ポイントと統計調査によって評価される。
  論文  参考訳（メタデータ） (2024-05-08T15:32:20Z)
• Contrastive Region Guidance: Improving Grounding in Vision-Language Models without Training [79.27663870280038]
  Contrastive Region Guidance (CRG) は、オープンソースの視覚言語モデルで視覚的プロンプトに応答できる訓練不要のガイダンス手法である。 領域アノテーションが提供されると、CRGはViP-Benchで最大11.1%精度が向上する。 また,空間推論へのCRGの適用性を示すとともに,What'sUpでは10%の改善が見られた。
  論文  参考訳（メタデータ） (2024-03-04T18:55:30Z)
• BEV-Net: Assessing Social Distancing Compliance by Joint People Localization and Geometric Reasoning [77.08836528980248]
  新型コロナウイルス(COVID-19)の感染拡大を受け、公衆衛生に不可欠なソーシャルディスタンシング(ソーシャルディスタンシング)が注目されている。 本研究では,広視野カメラを用いた公共空間における視覚的ソーシャル・ディスタンシング・コンプライアンス・アセスメントの課題について考察する。 鳥眼ビュー(BEV)下での注釈付き群集シーンのデータセットと距離測定のための地上真実を紹介する。 マルチブランチネットワークであるBEV-Netは、世界座標における個人をローカライズし、ソーシャルディスタンシングに違反する高リスク領域を特定するために提案されている。
  論文  参考訳（メタデータ） (2021-10-10T23:56:37Z)
• FloorLevel-Net: Recognizing Floor-Level Lines with Height-Attention-Guided Multi-task Learning [49.30194762653723]
  本研究は, 教師付き深層学習手法を用いて, ストリートビュー画像中のフロアレベル線の位置を求める問題に対処する。 まず、新しいデータセットをコンパイルし、トレーニングサンプルを合成する新しいデータ拡張スキームを開発する。 次にFloorLevel-Netを設計する。FloorLevel-Netは、ファサードと暗黙のフロアレベルラインの明示的な特徴を関連付けるマルチタスク学習ネットワークである。
  論文  参考訳（メタデータ） (2021-07-06T08:17:59Z)
• Holistic Multi-View Building Analysis in the Wild with Projection Pooling [18.93067906200084]
  細粒度構造属性に関連する6つの異なる分類課題に対処する。 このようなリモート・ビルディング・アナリティクスの問題に対処することは、都市景観の大規模データセットの増大により、最近になって可能になった。 9674棟の49426画像(トップビューとストリートビュー)からなる新しいベンチマークデータセットを提案する。
  論文  参考訳（メタデータ） (2020-08-23T13:49:22Z)

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。