論文の概要: Can Urban Blight Be Accessed with Vision-language Models: A Case Study in Detroit
- arxiv url: http://arxiv.org/abs/2608.01753v1
- Date: Mon, 03 Aug 2026 06:21:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.349625
- Title: Can Urban Blight Be Accessed with Vision-language Models: A Case Study in Detroit
- Title（参考訳）: ヴィジュアル・ランゲージ・モデルで都市に光が届くか? デトロイトのケーススタディ
- Abstract要約: 本研究では,複数のビューに対するオープンソースの大規模視覚言語モデルを用いて,住宅の快適さを推定するためのスケーラブルなフレームワークを提案する。
我々は、XGBoostに基づくアンサンブル・スタックリングアプローチや重み付けされたスコアリングシステムなど、いくつかのモデルでこれらの機能のプロの人間のアノテーションを比較した。
その結果, (i) 複数のストリートビューが精度の向上に寄与し, (ii) 大規模視覚言語モデルは推論の強度が異なること, (iii) アンサンブル学習者が個々のベースモデルより優れていること, 住宅環境全体にわたる堅牢性の向上, および光度評価を行った。
- 参考スコア（独自算出の注目度）: 0.5747738795689892
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Addressing urban blight has seen increased focus in the past 15 years. Assessing urban blight is essential for guiding urban planning, targeting rehabilitation, and safeguarding public health, yet traditional residential blight surveys are difficult to maintain at scale due to the labor-intensive cost and long-term cycle. This study introduced a scalable framework for estimating residential blight using open-source large vision-language models on multiple views. Structured prompts guided models to evaluate housing attributes, including roof integrity, wall damage, and broken or boarded openings, producing both binary assessments and probabilistic estimates of disrepair. To evaluate the performance of these visual assessments, we compared professional human annotations of these features across several models, including an ensemble stacking approach based on XGBoost and a weighted scoring system. Results showed that (i) multiple street views can contribute to the improvement of accuracy, (ii) large vision-language models have different strengths of inference, (iii) the ensemble learner outperforms individual base models, enhancing robustness across all residential conditions and blight assessment. The practical application of the method allows low-cost tracking and management of housing stock conditions, providing a regularly updatable complement to traditional blight surveys.
- Abstract（参考訳）: 過去15年で、都市でのパンフレットに注目が集まっている。
都市ブライトの評価は、都市計画の指導、リハビリテーションの実施、公衆衛生の保護に不可欠であるが、従来の住宅ブライト調査は、労働コストと長期サイクルのために大規模に維持することが困難である。
本研究では,複数のビューに対するオープンソースの大規模視覚言語モデルを用いて,住宅の快適さを推定するためのスケーラブルなフレームワークを提案する。
構造的モデルでは、屋根の完全性、壁の損傷、壊れた開口部、または搭乗した開口部などの住宅特性を評価するよう指導されたモデルに促す。
これらの視覚的アセスメントの性能を評価するために,XGBoostに基づくアンサンブル・スタックリング手法や重み付きスコアリングシステムなど,複数のモデル間で,これらの特徴のプロの人間のアノテーションを比較した。
その結果
(i)複数のストリートビューが精度の向上に寄与する。
(II)大きな視覚言語モデルは推論の強みが異なる。
三 アンサンブル学習者は、個別のベースモデルより優れ、すべての住宅環境における堅牢性を高め、楽観的評価を行う。
この手法の実践的応用により、住宅のストック条件の低コストな追跡と管理が可能となり、伝統的ブライトサーベイを定期的に補完することができる。
関連論文リスト
- Housing Potential Common Data Model and City Digital Twin [0.0]
本研究では,既存のデータサイロを克服するハウジングポテンシャル共通データモデル(HPCDM)を提案する。
本報告では、住宅用City Digital Twinとパイロットダッシュボードアプリケーションの作成とともに、本モデルの評価について詳述する。
論文 参考訳（メタデータ） (2026-05-07T00:27:47Z) - How Well Do Vision--Language Models Understand Cities? A Comparative Study on Spatial Reasoning from Street-View Images [3.836101499114879]
都市のシーンは、オブジェクト、レイアウト、深さのキューに関するきめ細かい空間的推論を必要とする。
現在の視覚言語モデル(VLM)は、一般の場面で事前訓練されており、これらの能力を都市領域に伝達する能力は未探索のままである。
本研究では,VLMの新たな課題として都市空間推論を導入し,汎用モデルを専門分野に適用するための実践的経路として,合成データセットの構築を実証する。
論文 参考訳（メタデータ） (2025-08-29T12:21:57Z) - From Street Views to Urban Science: Discovering Road Safety Factors with Multimodal Large Language Models [18.69630838520861]
都市・交通研究は長い間、重要な変数と道路安全のような社会的結果の間の統計的に意味のある関係を明らかにすることを模索してきた。
解釈可能な仮説推論のためのマルチモーダル大言語モデル(MLLM)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2025-06-02T20:40:56Z) - REOBench: Benchmarking Robustness of Earth Observation Foundation Models [48.24281482353377]
REOBenchは、地球観測基盤モデルの堅牢性を評価するための最初の総合的なベンチマークである。
マスク付き画像モデリング、コントラスト学習、視覚言語事前学習パラダイムを用いて訓練された幅広いモデルの体系的評価を行う。
その結果, 既存の地球観測基盤モデルでは, 入力汚損に晒された場合, 顕著な性能劣化がみられた。
論文 参考訳（メタデータ） (2025-05-22T15:34:50Z) - VHELM: A Holistic Evaluation of Vision Language Models [75.88987277686914]
視覚言語モデル(VHELM)の全体的評価について述べる。
VHELMは、視覚的知覚、知識、推論、バイアス、公平性、多言語性、堅牢性、毒性、安全性の9つの側面の1つ以上をカバーするために、さまざまなデータセットを集約する。
私たちのフレームワークは軽量で自動で、評価の実行が安価で高速に行えるように設計されています。
論文 参考訳（メタデータ） (2024-10-09T17:46:34Z) - VALOR-EVAL: Holistic Coverage and Faithfulness Evaluation of Large Vision-Language Models [57.43276586087863]
LVLM(Large Vision-Language Models)は幻覚に悩まされ、このモデルでは可聴音を発生させるが、実際には誤出力を発生させる。
既存のベンチマークはスコープに限られており、主にオブジェクト幻覚に焦点を当てている。
対象,属性,関係を多次元のベンチマークで表現し,連想バイアスに基づいて画像を選択する。
論文 参考訳（メタデータ） (2024-04-22T04:49:22Z) - ELEV-VISION-SAM: Integrated Vision Language and Foundation Model for Automated Estimation of Building Lowest Floor Elevation [1.2070884166650049]
本研究では,セグメンテーション基礎モデルであるセグメンテーションモデルと視覚言語モデルを統合し,LFE推定のためのストリートビューイメージ上でテキストプロンプト画像セグメンテーションを行う。
提案手法は,ストリートビュー画像に正面扉が見えるほぼすべての特性に対して,LFE推定の可用性を著しく向上させる。
論文 参考訳（メタデータ） (2024-04-19T03:16:08Z) - Prismatic VLMs: Investigating the Design Space of Visually-Conditioned Language Models [73.40350756742231]
視覚条件付き言語モデル(VLM)は、視覚対話、シーン理解、ロボットタスク計画などのアプリケーションに採用されている。
新しいリリースの量は多いが、イメージ前処理、アーキテクチャ、最適化に関する重要な設計決定は未調査である。
論文 参考訳（メタデータ） (2024-02-12T18:21:14Z) - Vision Superalignment: Weak-to-Strong Generalization for Vision
Foundation Models [55.919653720979824]
本稿では、より弱いモデルを用いてより強いモデルを監督する弱強一般化の概念に焦点を当てる。
弱強監督のための新規かつ適応的に調整可能な損失関数を提案する。
提案手法は, 強い一般化によって設定された性能ベンチマークを超えるだけでなく, データセット全体を用いた微調整の強いモデルの結果を上回る。
論文 参考訳（メタデータ） (2024-02-06T06:30:34Z) - Visual Perception of Building and Household Vulnerability from Streets [0.294944680995069]
発展途上国では、コードの構築は時代遅れまたは強制されないことが多い。
住宅の大部分が基準以下であり、自然災害や気候関連の出来事に弱い。
本稿では,最初のキャプチャと将来の更新に費用効率のよい評価フレームワークを提案する。
論文 参考訳（メタデータ） (2022-05-28T15:35:47Z) - Predicting Livelihood Indicators from Community-Generated Street-Level
Imagery [70.5081240396352]
本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。
全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
論文 参考訳（メタデータ） (2020-06-15T18:12:12Z)
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。