街道之眼：利用街头成像来建模城市犯罪动态
通过构建一个受重力模型推动的区域移动性图和使用传递感知的图卷积网络模型，我们提出了一种从街景图像中评估疫情暴露风险的低成本、可扩展的方法，实验证明该模型在加权 F1 评价指标上比基准模型提升了 8.54%。
Nov, 2023
利用基于深度学习的计算机视觉方法，该研究使用 2008 年至 2021 年间的 1500 万街道图像来测量伦敦的变化，成功地识别了住房供应的变化，为城市规划和政策决策提供及时信息，以建设更宜居、公平和可持续发展的城市。
Sep, 2023
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
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
本文研究了如何利用历史事故数据和街景图像自动预测城市干预对事故发生率的影响，结果显示可以利用机器学习工具优先考虑有针对性的城市干预措施，从而提高行人和车辆的安全性。
Feb, 2022
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
使用公共街道图像进行街区中薄弱群体的生计指标预测，方法分为图像分群和基于图像关系的两种方法，测试结果表明此方法对于贫困、人口和公共卫生等指标的预测精度高
Jun, 2020
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
本研究使用移动电话数据与视觉感知数据分别作为城市区域的活跃度和安全性的代理，并使用卷积神经网络评估了城市街景中的感知安全分数，结果发现感知安全对活跃度的影响与人口年龄有关，绿化和朝街窗户对城市感知安全有积极的影响，该结果为城市规划等相关领域提供了有价值的参考。
Aug, 2016