論文の概要: Vision-based Sensing of Urban Environment using Hardware-Software co-design at Scale

• arxiv url: http://arxiv.org/abs/2611.00699v1
• Date: Sat, 31 Oct 2026 06:50:15 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:59:07.205332
• Title: Vision-based Sensing of Urban Environment using Hardware-Software co-design at Scale
• Title（参考訳）: ハードウェア・ソフトウェア共同設計による都市環境の視覚的センシング
• Abstract要約: UrbanScapesは、適応可能で柔軟なハードウェアとソフトウェアの共同設計プラットフォームで、都市環境の視覚に基づくセンシングを行う。 システムは、自転車、車両、歩行者への機会的配備と、自治体の艦隊への目標配備の両方のために設計されている。 システムはデバイス上のディープラーニングモデルを使用して、エッジで個人識別可能な情報(PII)を自動的に削除する。
• 参考スコア（独自算出の注目度）: 1.914447033456337
• License:
• Abstract: Urban environmental monitoring is crucial for climate-adaptive cities, yet current approaches rely heavily on human inspection, overhead remote sensing, or limited terrestrial RGB imagery, thereby lacking comprehensive multispectral perspectives at street level. To bridge this gap, this paper introduces UrbanScapes, an adaptable and flexible hardware-software co-design platform for large-scale, vision-based sensing of urban environments. Built on a modular architecture, UrbanScapes seamlessly integrates multispectral imaging channels, including Red, Green, Blue (RGB), Near-Infrared, and Thermal, to capture multispectral street-level imagery. The system is designed for both opportunistic deployment on bicycles, vehicles, or pedestrians and targeted deployments on municipal fleets, ensuring high spatio-temporal scalability without requiring hardware redesigns. Crucially, the platform utilizes on-device deep learning models to automatically remove personally identifiable information (PII) at the edge, addressing privacy concerns inherent in street-level data collection. By combining this multispectral street-level imagery with overhead multispectral remote sensing imagery, UrbanScapes enables scalable calculation of physics-based environmental indices, providing a foundational tool for advanced citywide analysis.
• Abstract（参考訳）: 都市環境モニタリングは、気候に適応した都市にとって重要であるが、現在のアプローチは、人間の検査、オーバーヘッドリモートセンシング、あるいは限られた地上RGB画像に大きく依存している。 このギャップを埋めるために,大規模かつ視覚に基づく都市環境センシングのための適応的で柔軟なハードウェア・ソフトウェア共同設計プラットフォームであるUrbanScapesを紹介した。 モジュラーアーキテクチャに基づいて構築されたUrbanScapesは、赤、緑、青(RGB)、近赤外線、熱といったマルチスペクトル画像チャネルをシームレスに統合し、マルチスペクトルストリートレベルの画像をキャプチャする。 このシステムは、自転車、車両、歩行者への機会的展開と、自治体の艦隊への目標展開の両方のために設計されており、ハードウェアの再設計を必要とせず、時空間のスケーラビリティを確保できる。 重要なことに、プラットフォームはデバイス上のディープラーニングモデルを使用して、エッジで個人識別可能な情報(PII)を自動的に削除し、ストリートレベルのデータ収集に固有のプライバシー上の懸念に対処する。 このマルチスペクトル・ストリートレベルの画像と頭上のマルチスペクトル・リモートセンシング画像を組み合わせることで、UrbanScapesは物理に基づく環境指標のスケーラブルな計算を可能にし、都市全体の高度な分析の基盤となるツールを提供する。

関連論文リスト

• The Spectrascapes Dataset: Street-view imagery beyond the visible captured using a mobile platform [0.89663346270118]
  このデータセットは、自転車に搭載されたRGB、赤外線、サーマルイメージングセンサーで撮影された17,718個のストリートレベルのマルチスペクトル画像で構成されている。 私たちの知る限りでは、Spectrascapesはこの種のオープンアクセスデータセットとしては初めてのものです。
  論文  参考訳（メタデータ） (2026-04-14T21:41:23Z)
• Computer Vision-Based Vehicle Allotment System using Perspective Mapping [0.0]
  本研究は,コンピュータビジョンとYOLOv8のような物体検出モデルを利用した,費用対効果の高い,実装が容易なスマートパーキングシステムを提案する。 このシステムは3D駐車環境をシミュレートし、3Dプロットで利用者を誘導する。
  論文  参考訳（メタデータ） (2026-03-09T18:37:46Z)
• Unsupervised Urban Land Use Mapping with Street View Contrastive Clustering and a Geographical Prior [16.334202302817783]
  本研究は、地理的事前に組み込まれたストリートビュー画像に対する教師なしコントラストクラスタリングモデルを提案する。 本研究では,2つの都市の地理タグ付きストリートビュー画像データセットから土地利用地図を作成できることを実験的に示す。
  論文  参考訳（メタデータ） (2025-04-24T13:41:27Z)
• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• AerialGo: Walking-through City View Generation from Aerial Perspectives [48.53976414257845]
  AerialGoは、空中画像からリアルな街並みを生成するフレームワークである。 AerialGoは、アクセス可能な航空データに地上視合成を条件付けすることで、地上レベルの画像に固有のプライバシーリスクを回避できる。 実験により、AerialGoは地上レベルのリアリズムと構造的コヒーレンスを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-11-29T08:14:07Z)
• StreetSurfGS: Scalable Urban Street Surface Reconstruction with Planar-based Gaussian Splatting [85.67616000086232]
  StreetSurfGSは、スケーラブルな街路景観の再構築に適したガウススプラッティングを利用するための最初の方法である。 StreetSurfGSは、平面ベースのオクツリー表現とセグメンテーショントレーニングを使用して、メモリコストを削減し、ユニークなカメラ特性に対応し、スケーラビリティを確保する。 スパースビューとマルチスケールの課題に対処するために、隣接する情報と長期情報を活用する2段階マッチング戦略を用いる。
  論文  参考訳（メタデータ） (2024-10-06T04:21:59Z)
• Floor extraction and door detection for visually impaired guidance [78.94595951597344]
  未知の環境で障害物のない経路を見つけることは、視覚障害者や自律ロボットにとって大きなナビゲーション問題である。 コンピュータビジョンシステムに基づく新しいデバイスは、障害のある人が安全な環境で未知の環境でナビゲートすることの難しさを克服するのに役立つ。 本研究では,視覚障害者のためのナビゲーションシステムの構築につながるセンサとアルゴリズムの組み合わせを提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:38:43Z)

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。