BTS: 建设时间序列数据集:为大规模建筑分析赋能
本研究使用大规模建筑模拟数据集建立了预训练模型,实现短期负荷预测模型的泛化,进一步运用该模型提出了零样本与迁移学习等新颖任务,同时增强数据集多样性可提高预测性能。
Jun, 2023
该研究致力于发布一个有注释的 ASHRAE Great Energy Predictor III 数据集版本,其中包含 1,413 个智能电表时间序列,为大规模异常检测的研究工作提供支持,并将八种先进的异常检测方法的性能与数据集进行了比较。
Mar, 2022
这篇论文介绍了一个城市建模的数据集 Building3D,它包括超过 160,000 幢建筑物的点云、网格和线框模型,覆盖爱沙尼亚的 16 个城市,面积约为 998 平方公里。作者通过对先进算法的评估发现 Building3D 存在高内类别差异、数据不平衡和大规模噪声等挑战。这个数据集是首个最大规模的城市建模基准,可以用于监督学习和自监督学习方法的比较。作者认为 Building3D 将促进未来在城市建模、航路规划、网格简化和语义 / 部分分割等领域的研究。
Jul, 2023
本研究运用多类目标分割算法结合 Sentinel-1 和 - 2 卫星数据,测量中国建筑物(即建筑物占地面积和高度)的楼板面积及其演变,旨在构建城市发展时间序列。
Mar, 2023
从一组图像中,一个具有适当的提示工程和领域知识的大型语言模型可以成功地估计与可持续发展计算相关的一系列建筑特征,并生成针对业主如何改进其物业的定制建议。
May, 2024
通过对实际建筑物物联网数据流的多方面多维度的异质性进行细致研究,我们分析了数字化建筑物与电力网络的结合对于优化建筑物性能和能源效率的影响,并在此基础上通过实验评估了先进的预测模型在深度学习模型的性能上的影响,为未来研究提供了挑战和路径,以利用这种异质性作为资源推动智能节能建筑的进化。
May, 2024
本论文针对从高分辨率遥感图像中提取建筑物轮廓的语义分割技术,在城市规划等多领域得到广泛应用。为了满足大规模建筑物提取的需求,我们构建了一个全球建筑物语义分割(GBSS)数据集,包括来自六大洲的 116.9k 对样本(约 742k 座建筑物)。该数据集中的建筑物样本在大小和风格上存在显著变化,因此可以作为评估建筑物语义分割模型的泛化能力和鲁棒性的更具挑战性的基准。通过定量和定性比较不同数据集,我们验证了该数据集的潜在应用于迁移学习领域,并在子集上进行了实验以进一步确认其潜力。
Jan, 2024
本研究提供了一个语义分割的语义丰富的、照片般逼真的三维建筑模型数据集和基准,以克服现有室外三维点云数据集在建筑外观方面的限制和详细注释方面的不足。
Jun, 2024