論文の概要: Seeing the City or Recognizing the Place? What Street-View Imagery Adds Beyond Existing Urban Data in VLM Urban Sensing

• arxiv url: http://arxiv.org/abs/2610.00031v1
• Date: Wed, 02 Sep 2026 12:21:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.31937
• Title: Seeing the City or Recognizing the Place? What Street-View Imagery Adds Beyond Existing Urban Data in VLM Urban Sensing
• Title（参考訳）: 都市を見るか、場所を認識するか?VLM都市センシングにおける既存の都市データを超えたストリートビュー画像
• Abstract要約: 5つの公共資源と3つのVLMから得られる7つの属性にまたがる既存の都市データと画像に基づく予測を比較した。 既存の都市データは、道路の損傷、スロープ、住宅価格など、画像のみのモデルと一致または超えた。 画像は、建築タイプ、建築機能、低層階数についてより情報的であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Street-view imagery is increasingly used to infer urban attributes, but predictive accuracy alone does not reveal how much a photograph contributes beyond data already available for the same place. We compare image-based predictions with existing urban data across seven attributes from five public resources and three VLMs. The same urban units are evaluated using images, task context, nearby observations, and public records, while image replacements and conflicting records test source reliance. Existing urban data matched or exceeded image-only models for road damage, curb ramps, and house price, while neighbouring official statistics nearly matched the best image result for population. Images were more informative for building type, building function, and low-rise floor count. For floor count, image advantage increased by 5.7 percentage points per doubling of distance to the nearest labelled building and declined for tall buildings whose rooflines often fell outside the frame. Models frequently followed conflicting records. OpenFACADES floor annotations were generated with OpenStreetMap floor values and showed the opposite height-dependent error pattern from image-only reruns. Street-view image value therefore depends on visual legibility and local data coverage. Comparing images with existing urban data can guide image collection and clarify the provenance of derived urban maps.
• Abstract（参考訳）: ストリートビュー画像は都市属性の推測にますます利用されているが、予測精度だけでは、写真が既に同じ場所で利用できるデータを超えてどれだけ貢献するかは明らかになっていない。 5つの公共資源と3つのVLMから得られる7つの属性にまたがる既存の都市データと比較した。 同じ都市ユニットは、画像、タスクコンテキスト、近傍の観測、および公開記録を用いて評価され、画像置換と競合するテストソースに依存する。 既存の都市データは道路の損傷、斜面の縮小、住宅価格などの画像のみのモデルと一致または上回ったが、近隣の公的な統計は人口にとって最高の画像結果とほぼ一致した。 画像は、建築タイプ、建築機能、低層階数についてより情報的であった。 床数では、最寄りのラベル付き建物までの距離を2倍にすると5.7%の利点が増し、フレームの外側に屋根線が落ちやすい高層建築物では低下した。 モデルはしばしば矛盾する記録を辿った。 OpenFACADESフロアアノテーションはOpenStreetMapフロア値で生成され、画像のみの再実行から反対の高さ依存エラーパターンを示した。 したがって、ストリートビュー画像の値は視覚的可視性と局所的なデータカバレッジに依存する。 既存の都市データと比較することで、画像の収集をガイドし、派生した都市地図の有効性を明らかにすることができる。

関連論文リスト

• Cross-View Urban Sensing: Mapping Subjective Streetscape Perception via AlphaEarth Embeddings and Urban Context [14.193542027484213]
  本稿では,SVIを必要とせずにストリートレベルの知覚を予測するクロスビュー学習ネットワークCVLNetを提案する。 CVLNetはシンガポール、クアラルンプール、ジャカルタ、マニラの4都市で評価されている。 我々は4つの都市で5つの主観的知覚次元の街路レベルの街路景観認識マップを作成した。
  論文  参考訳（メタデータ） (2026-08-17T09:21:30Z)
• Modeling Subjective Urban Perception with Human Gaze [60.73742038237224]
  そこで我々はPlace Pulse-Gazeを紹介した。Place Pulse-Gazeは、街路ビューの画像に同期した視線追跡記録と個人認識ラベルを付加する都市認識データセットである。 本研究では,視線行動が主観的都市感のモデル化にどのように貢献するかを考察するために,ガゼ誘導型都市知覚フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-01T16:25:13Z)
• Do Street View Imagery and Public Participation GIS align: Comparative Analysis of Urban Attractiveness [0.0]
  SVI(Street View Imagery)とPPGIS(Public Participation GIS)は、場所に基づく知覚を捉えるための2つの重要なアプローチである。 本研究では,フィンランドのヘルシンキにおける都市全体でのPSGIS調査を通じて,SVIによる知覚的魅力と住民の体験との整合性について検討した。
  論文  参考訳（メタデータ） (2025-11-04T12:40:12Z)
• Building Floor Number Estimation from Crowdsourced Street-Level Images: Munich Dataset and Baseline Method [17.492721759864505]
  大規模なフロアカウントデータは、カダストラルと3D都市データベースではほとんど利用できない。 本研究では,道路画像から直接床数を推定するエンドツーエンドのディープラーニングフレームワークを提案する。 提案された分類回帰ネットワークは精度81.2%に達し、+/-1階内の建物の97.9%を予測している。
  論文  参考訳（メタデータ） (2025-05-23T15:27:46Z)
• Streetscapes: Large-scale Consistent Street View Generation Using Autoregressive Video Diffusion [61.929653153389964]
  そこで本研究では,街並みを連続的に合成した街並みの景観を再現する手法を提案する。 我々の手法は、視覚的品質と一貫性を維持しつつ、複数の都市ブロックにまたがる、はるかに長い範囲のカメラ軌道にスケールすることができる。
  論文  参考訳（メタデータ） (2024-07-18T17:56:30Z)
• Breaking the Frame: Visual Place Recognition by Overlap Prediction [53.17564423756082]
  本稿では,重なり合う予測に基づく新しい視覚的位置認識手法 VOP を提案する。 VOPは、Vision Transformerのバックボーンを使用してパッチレベルの埋め込みを取得することで、コビジュアブルなイメージセクションを進める。 提案手法では,データベース画像の重複点の評価に投票機構を用いる。
  論文  参考訳（メタデータ） (2024-06-23T20:00:20Z)
• Towards Large-scale Building Attribute Mapping using Crowdsourced Images: Scene Text Recognition on Flickr and Problems to be Solved [16.272425120319095]
  本研究は,属性マッピング構築のためのクラウドソーシングストリートビュー画像にシーンテキスト認識を適用する際の課題に対処する。 Berlin Flickrデータセットが作成され、事前トレーニングされたSTRモデルがテキストの検出と認識に使用される。 STRの結果と建築機能との相関について検討し, 住宅ではテキストが認識されるが, 商業では認識されない事例を分析した。
  論文  参考訳（メタデータ） (2023-09-14T22:02:14Z)
• UrbanIR: Large-Scale Urban Scene Inverse Rendering from a Single Video [22.613946218766802]
  UrbanIRは、1つのビデオで様々な照明条件下でのシーンのリアルで自由視点のレンダリングを可能にする新しい逆グラフィックモデルである。 形状、アルベド、可視性、そして太陽と空の照明は、車載カメラなど、幅広いベースラインのビデオから正確に推測する。 UrbanIRはこれらの問題に、逆グラフィック推論とレンダリングアーティファクトのエラーを減らす新たな損失で対処する。
  論文  参考訳（メタデータ） (2023-06-15T17:59:59Z)
• Urban2Vec: Incorporating Street View Imagery and POIs for Multi-Modal Urban Neighborhood Embedding [8.396746290518102]
  Urban2Vecは、ストリートビューイメージと関心のポイントデータの両方を組み込んだ、教師なしマルチモーダルフレームワークである。 我々は,Urban2Vecがベースラインモデルよりも優れた性能を実現し,下流予測タスクにおける完全教師付き手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2020-01-29T21:30:53Z)

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。