Demystifying the Potential of ChatGPT-4 Vision for Construction Progress Monitoring

要約

OpenAI の GPT-4 Vision などの大規模ビジョン言語モデル (LVLM) のさまざまな分野への統合は、人工知能の分野、特に視覚データの分析と解釈において大きな進化を遂げました。
このペーパーでは、建設プロジェクトの進捗状況を監視および追跡する機能に焦点を当て、建設業界における GPT-4 Vision の実用化について検討します。
この研究では、建設現場の高解像度航空画像を利用して、GPT-4 Vision がどのように詳細な現場分析を実行し、時間の経過に伴う発展の変化を追跡するかを検証しています。
この調査結果は、GPT-4 Vision が建設段階、材料、機械の特定には熟練している一方で、オブジェクトの正確な位置特定とセグメンテーションに関して課題に直面していることを示しています。
これらの制限にもかかわらず、このテクノロジーの将来の進歩の可能性はかなりあります。
この研究は、建設における LVLM の使用の現状と機会を強調するだけでなく、ドメイン固有のトレーニングや他のコンピューター ビジョン技術やデジタル ツインとの統合を通じてモデルの実用性を高めるための将来の方向性についても議論します。

要約(オリジナル)

The integration of Large Vision-Language Models (LVLMs) such as OpenAI’s GPT-4 Vision into various sectors has marked a significant evolution in the field of artificial intelligence, particularly in the analysis and interpretation of visual data. This paper explores the practical application of GPT-4 Vision in the construction industry, focusing on its capabilities in monitoring and tracking the progress of construction projects. Utilizing high-resolution aerial imagery of construction sites, the study examines how GPT-4 Vision performs detailed scene analysis and tracks developmental changes over time. The findings demonstrate that while GPT-4 Vision is proficient in identifying construction stages, materials, and machinery, it faces challenges with precise object localization and segmentation. Despite these limitations, the potential for future advancements in this technology is considerable. This research not only highlights the current state and opportunities of using LVLMs in construction but also discusses future directions for enhancing the model’s utility through domain-specific training and integration with other computer vision techniques and digital twins.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google