論文の概要: A Vision-Language Framework for Measuring Social Life on Sidewalks
- arxiv url: http://arxiv.org/abs/2609.28476v1
- Date: Fri, 31 Jul 2026 04:43:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:56.026526
- Title: A Vision-Language Framework for Measuring Social Life on Sidewalks
- Title（参考訳）: 横断歩道における社会生活計測のためのビジョン・ランゲージ・フレームワーク
- Abstract要約: 本稿では,街路画像から社会指標を抽出する視覚言語フレームワークを提案する。
視覚言語モデル(VLM)に基づく活動検出システムは、各人物を10個の独立した可観測次元でコードする。
この枠組みをニューヨーク市の102,514のサイドビューに適用し、歩行者の容積とSDIは弱い関係にあることを明らかにした。
- 参考スコア（独自算出の注目度）: 4.5358038310072075
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: While a number of methods exist for counting pedestrians in street-view imagery, these mostly ignore the social dimensions of pedestrian activity. A street traversed by a high volume of pedestrians has the same headcount as a street where people linger, sit, and socialize. This paper presents a vision-language framework for extracting social indicators from street-level imagery. Panoramic street-level imagery is reprojected to sidewalk-facing sideviews with preserved timestamps. A vision-language model (VLM)-based activity detection system codes each person across ten independent observable dimensions, resolving a systematic failure mode in which models prompted with high-level social categories conflate observable states with contextual inferences. The resulting social indicator system produces a Social Dwelling Index (SDI) that jointly considers pedestrian grouping and dwelling, provides activity labels documenting behavioral diversity, and issues binary flags for the presence of accessibility-sensitive populations. We apply the framework to 102,514 sideviews in New York City, revealing that pedestrian volume and SDI are only weakly associated (r = 0.168): streets with the highest foot traffic are not where social activity is most intense. The framework provides a scalable method for measuring not only how many people are on city sidewalks, but also their grouping, posture, and activity type, summarizing the non-transient activities that occur on city sidewalks.
- Abstract（参考訳）: 歩行者をストリートビューで数える方法はいくつかあるが、それらは主に歩行者活動の社会的側面を無視している。
大量の歩行者が横断する通りは、人々が寄り添い、座り、社交する通りと同じ頭数です。
本稿では,街路画像から社会指標を抽出する視覚言語フレームワークを提案する。
パノラマストリートレベルの画像は、保存されたタイムスタンプで歩道に面したサイドビューに再投影される。
視覚言語モデル(VLM)に基づくアクティビティ検出システムは、10個の独立した可観測次元をまたいで各人物をコードし、高レベルな社会的カテゴリによって誘導されるモデルが観測可能な状態を文脈推論で説明する系統的な障害モードを解決する。
得られた社会指標システムは、歩行者のグループ化と居住を共同で検討し、行動多様性を文書化する活動ラベルを提供し、アクセシビリティに敏感な人口の存在のために二分旗を発行する社会居住指数(SDI)を作成した。
この枠組みをニューヨーク市の102,514のサイドビューに適用し、歩行者の容積とSDIは弱い関係にある(r = 0.168)ことを明らかにした。
このフレームワークは、都市歩道の人数だけでなく、グループ化、姿勢、活動タイプも測定し、都市歩道で発生する非過渡活動を要約するスケーラブルな方法を提供する。
関連論文リスト
- From Obstacles to Etiquette: Robot Social Navigation with VLM-Informed Path Selection [57.74400052368147]
本稿では,幾何学的計画と文脈的社会的推論を統合した社会ロボットナビゲーションフレームワークを提案する。
このシステムはまず障害物や人間の力学を抽出し、幾何学的に実現可能な候補経路を生成し、次に細調整された視覚言語モデル(VLM)を利用してこれらの経路を評価する。
4つのソーシャルナビゲーション環境における実験により, 生活空間違反の最小期間, 歩行者面の最小時間, 社会ゾーンの侵入がない場合に, ベストな総合的なパフォーマンスを達成できることが実証された。
論文 参考訳（メタデータ） (2026-02-09T18:46:12Z) - Exploring Sidewalk Sheds in New York City through Chatbot Surveys and Human Computer Interaction [47.311965900698084]
歩行者から画像ベースのアノテーションと経路選択を収集するAIベースのサーベイを開発した。
本稿では,入り口アノテーションのグリッド解析を行い,歩道選択パターンの評価にロジスティック・ミックスエフェクト・モデリングを適用した。
本研究は,都市研究に生成AIを組み込むことで,歩道のシードデザインを評価する新しい手法を実証する。
論文 参考訳（メタデータ） (2026-01-30T15:41:44Z) - Urban Socio-Semantic Segmentation with Vision-Language Reasoning [23.452173835888967]
本稿では,ソシオセグという都市ソシオセマンティックデータセットを紹介する。
本稿では,SocioReasonerという新しい視覚言語推論フレームワークを提案する。
SocioReasonerは、社会的意味論を識別し、注釈付けする人間のプロセスをシミュレートする。
論文 参考訳（メタデータ） (2026-01-15T15:00:36Z) - WalkCLIP: Multimodal Learning for Urban Walkability Prediction [4.403122905236942]
都市歩行は公衆衛生、持続可能性、生活の質の基盤となっている。
近年の研究では、衛星画像、ストリートビュー画像、人口指標を用いて歩行可能性を推定している。
都市の歩行可能性を予測するためにこれらの相補的な視点を統合するフレームワークであるWalkCLIPを紹介する。
論文 参考訳（メタデータ） (2025-11-26T22:15:33Z) - Street View Sociability: Interpretable Analysis of Urban Social Behavior Across 15 Cities [1.256245863497516]
マルチモーダル大言語モデルを用いて15都市の2,998のストリートビュー画像を解析した。
結果は長年の都市計画理論と一致している。
さらなる研究により、ストリートビューのイメージは、都市社会性を研究するためのスケーラブルでプライバシー保護ツールとして確立される可能性がある。
論文 参考訳（メタデータ） (2025-08-08T14:15:58Z) - ELSA: Evaluating Localization of Social Activities in Urban Streets using Open-Vocabulary Detection [22.420962041487282]
本稿では,社会活動のローカライゼーションを評価するELSAについて紹介する。
重なり合う予測における意味的一貫性を評価するため,新しい信頼度スコア計算手法であるNLSEと,新しい動的ボックス集約(DBA)アルゴリズムを導入する。
我々は,広く使用されているSOTAモデルであるGrounding DINO, Detic, OWL, MDETRについて報告する。
論文 参考訳（メタデータ） (2024-06-03T17:32:23Z) - Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。
提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
論文 参考訳（メタデータ） (2023-12-26T18:56:49Z) - STCrowd: A Multimodal Dataset for Pedestrian Perception in Crowded
Scenes [78.95447086305381]
3D空間における歩行者の正確な検出と追跡は、回転、ポーズ、スケールの大きなバリエーションのために困難である。
既存のベンチマークは2Dアノテーションのみを提供するか、あるいは低密度の歩行者分布を持つ限定的な3Dアノテーションを持つ。
混み合ったシナリオにおける歩行者認識アルゴリズムをよりよく評価するために,大規模なマルチモーダルデータセットSTCrowdを導入する。
論文 参考訳（メタデータ） (2022-04-03T08:26:07Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - Hidden Footprints: Learning Contextual Walkability from 3D Human Trails [70.01257397390361]
現在のデータセットは、人々がどこにいるか、どこにいるかを教えてくれません。
まず、画像間で人の観察を伝播させ、3D情報を利用して、私たちが「隠れ足跡」と呼ぶものを作成することで、有効なラベル付き歩行可能領域の集合を拡大する。
このようなスパースラベルのために設計されたトレーニング戦略を考案し、クラスバランスの分類損失と文脈逆転損失を組み合わせた。
論文 参考訳（メタデータ） (2020-08-19T23:19:08Z)
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。