Feb, 2024

一套公民科学工具包，利用开放街景图像收集人类对城市环境的感知

PDF
TL;DRStreet View-level Imagery (SVI) 的自动下载、处理、裁剪和过滤方法以及用于评估人们对这些图像所描绘街道的感知的智能手机友好型调查软件的公开分析和复用方法。
street view-level imagerydata sourcesvi preparationperception-survey softwarecitizen science approach
发现论文，激发创造
  • 街景图片开源数据管道：基于 COVID-19 疫情期间社区流动性的案例研究

    我们开发了一个开源数据处理管道，用于处理从车载摄像头记录的 360 度视频数据，生成街景图像，为时序分析提供输入，并通过对行人交通的统计分析验证了数据处理管道的输出。这项研究展示了收集和使用街景图像数据在研究中的可行性和价值，并在室外行人交通模式方面提供了新的见解。

    Jan, 2024

  • 从鸟瞰到街景：一项调查

    通过筛选 20 篇研究论文，本研究全面回顾了从对应的卫星图像合成街景图像的最新技术，主要发现是：（i）需要采用新颖的深度学习技术来合成更加逼真准确的街景图像；（ii）需要收集更多的数据集供公众使用；（iii）需要研究更加具体的评估指标来恰当评估生成的图像。结论是，由于使用了过时的深度学习技术，最近的文献未能生成详细多样的街景图像。

    May, 2024

  • 在（健康和环境）研究中使用专有街景图像？这就是问题

    计算机视觉基于街景图像的分析对环境评估产生了转变性影响，本文质疑了使用该专有数据源的现行实践，提出了团队的关注点和对开放数据原则的倡导。

    Feb, 2024

  • OpenStreetView-5M：全球可视化地理定位之多种路径

    我们介绍了 OpenStreetView-5M，这是一个大规模、开放获取的数据集，包含了超过 510 万个地理参考的街景图像，涵盖了 225 个国家和地区。通过对各种最新图像编码器、空间表示和训练策略进行广泛测试，我们展示了该数据集的实用性，并解决了图像定位在计算机视觉算法中的问题。

    Apr, 2024

  • 阿姆斯特丹住房质量的跨模态学习

    我们的研究在阿姆斯特丹市通过对地面和空中影像的数据和模型进行测试，以识别住房质量。结果显示，相较于仅使用空中影像，Google StreetView（GSV）能够预测出最准确的建筑质量分数，提高了约 30%。然而，通过仔细筛选和使用正确的预训练模型，将 Flickr 图像特征与空中图像特征相结合，能将性能差距从 30% 降低至 15%。这表明在可居住性因素预测方面，存在可行的替代方法，这是令人鼓舞的，因为 GSV 图像难以获取并且并非总是可用。

    Mar, 2024

  • CityPulse: 街景时序下城市变化的细粒度评估

    城市转型对个人和社区产生了深远的社会影响。本研究通过收集大规模的街景时间序列数据集，提出了一种端到端的变化检测模型，能够有效捕捉城市环境的实际变化，为城市转型的精细评估提供了可能。

    Jan, 2024

  • 基于自然语言处理的方法：通过理解街景图像中的深层语义特征进行人类感知的映射

    利用预训练自然语言模型的新框架，结合街景图像和机器学习，深入理解人类感知和场景感受之间的关系，并发现利用深层语义特征对于人类感知研究的重要性和解释力的提升。

    Nov, 2023

  • 深度学习城市：全球尺度下衡量城市感知

    利用卷积神经网络从大规模的人类认知感知数据集中学习，在全球范围内量化城市环境感知现象的关系。

    Aug, 2016

  • 城市视觉智能：利用人工智能与街景图像研究城市

    本文主要阐述了城市视觉信息在城市研究中的重要性以及新的图像数据和 AI 技术如何改变了城市研究的方式并引入了 Urban Visual Intelligence 的概念框架，使得城市的物理环境和社会经济环境在各种尺度上相互作用并研究可能有助于城市在数字时代创造更符合人类行为和愿望的环境。

    Jan, 2023

  • 基于街景图像和 OpenStreetMap 的半监督学习自动建筑高度估计

    通过使用低成本 VGI 数据，提出了一种基于 MapillarySVI 和 OSM 数据的半监督学习方法，可以自动估计建筑物的高度，以生成开放和低成本的 3D 城市模型。

    Jul, 2023