Unsupervised Urban Land Use Mapping with Street View Contrastive Clustering and a Geographical Prior

要約

都市の土地利用の分類とマッピングは、都市計画、資源管理、環境監視に不可欠です。
既存のリモートセンシング技術は、地上レベルの詳細がないため、複雑な都市環境の精度を欠いていることがよくあります。
空中の視点とは異なり、ストリートビュー画像は、複雑な都市シーンでの土地利用に関連するより人間的および社会的活動を捉える地上レベルのビューを提供します。
既存のストリートビューベースの方法は、主に監視された分類に依存しています。これは、高品質のラベル付きデータの希少性と、多様な都市景観全体に一般化することの難しさに挑戦しています。
この研究では、クラスタリングパフォーマンスを向上させるために、地理的な事前に組み込まれたストリートビュー画像の監視されていないコントラストクラスタリングモデルを紹介します。
クラスターの単純な視覚的割り当てと組み合わせると、このアプローチは、都市計画者の特定のニーズに合わせた土地利用マッピングに対する柔軟でカスタマイズ可能なソリューションを提供します。
私たちの方法は、2つの都市のジオタグ付きストリートビュー画像データセットから土地利用地図を生成できることを実験的に示します。
私たちの方法論は、地理空間データの普遍的な空間的一貫性（「Tobler’s Law」）に依存しているため、Street View画像が利用可能なさまざまな設定に適合させることができ、スケーラブルで監視されていない土地使用マッピングと更新を可能にします。
コードはhttps://github.com/lin102/ccgpで入手できます。

要約(オリジナル)

Urban land use classification and mapping are critical for urban planning, resource management, and environmental monitoring. Existing remote sensing techniques often lack precision in complex urban environments due to the absence of ground-level details. Unlike aerial perspectives, street view images provide a ground-level view that captures more human and social activities relevant to land use in complex urban scenes. Existing street view-based methods primarily rely on supervised classification, which is challenged by the scarcity of high-quality labeled data and the difficulty of generalizing across diverse urban landscapes. This study introduces an unsupervised contrastive clustering model for street view images with a built-in geographical prior, to enhance clustering performance. When combined with a simple visual assignment of the clusters, our approach offers a flexible and customizable solution to land use mapping, tailored to the specific needs of urban planners. We experimentally show that our method can generate land use maps from geotagged street view image datasets of two cities. As our methodology relies on the universal spatial coherence of geospatial data (‘Tobler’s law’), it can be adapted to various settings where street view images are available, to enable scalable, unsupervised land use mapping and updating. The code will be available at https://github.com/lin102/CCGP.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google