使用循环神经网络和最先进的视觉特征来预测房地产价格,结果表明我们的模型在平均绝对误差(MAE)和平均绝对百分比误差(MAPE)方面均优于其他现有算法。
Nov, 2016
本文提出了一种自动房价估值系统,通过从房屋照片中提取视觉特征并将其与文本信息相结合,使用全连接多层神经网络模型估算房屋价格。我们创建了一个庞大的房屋数据集,并证明添加视觉特征可以显著提高模型表现。
Sep, 2016
本文提出一种利用自监督视觉转换器的新方法来进行房地产估值,该算法利用了机器学习、计算机视觉和房地产数据训练模型来预测一个给定物业的价值。通过使用房屋内部、外部和街景等定性图像以及卧室数、浴室数、平方英尺、土地面积、物业年龄、犯罪率和邻近便利设施等定量特征来评估我们的算法,我们发现该技术能够准确地预测物业的价值,并比传统评估方法表现更好。
Jan, 2023
使用深度神经网络从街景图像和卫星图像中自动提取视觉特征以估计伦敦房屋价格,实验表明学习街区的城市质量可以提高房屋价格预测,即使推广到未被看见的伦敦自治市镇。
Jul, 2018
研究通过视觉数据,特别是室内和室外照片,预测高级房地产属性的潜力,并设计了三个模型进行评估和不同融合策略的处理。
Nov, 2022
该研究介绍了一种创新的方法,将图像数据集成到传统计量模型中,通过深度学习将图像中包含的信息作为协变量,用于预测房地产销售价格,通过图像编码和分割的方式提高了预测准确性。
Mar, 2024
本研究提出了一种基于视觉和神经网络技术的评估建筑物状况的方法,结合多尺度图像特征和卷积神经网络,能够作为评估师状况估价的替代方法。
Apr, 2018
人工智能生成的信息的公开可能会彻底改变市场,并对经济动态产生出乎经济学家预料的影响,使得模型和思维方式过时。尽管房地产的超通胀并不是一种新现象,但在 12 年来的持续和几乎单调的存在中,与 Zillow 这一成功的大批量房地产估价器(MREE)提供的公共估价信息的突出地位相吻合,这一现象无法被忽视。我们模拟的是 MREE 和房主之间的重复性理论博弈,其中每个玩家都拥有秘密信息和专业知识。如果意图是确保住房的负担能力并保持旧的美国生活方式,需要面对新的挑战。模拟结果显示,将 MREE 风格的价格估计可用性局限于选择性合作的房地产可能会在一定程度上减少反馈循环,从而影响其潜在原因,正如实验模拟模型所建议的那样。根据逻辑解释,验证了 MREE 对房地产通胀率的压力与绝对 MREE 估计误差相关的猜测,在模拟中得到了验证。
研究提出了一种基于相似度的资产估值模型,利用预先训练的 EfficientNet 神经网络结合深度学习和基于树的模型来评估地块相似性,从而提高泰国国内房地产估价方法的准确性和可靠性。
May, 2023
本研究提出了一种从遥感图像中估计像素级物业价值分布的方法,并在实际数据集上进行了评估,结果显示该方法可以显著提高物业价值的精细估计水平。