Automated Real-World Sustainability Data Generation from Images of Buildings

要約

建物の特徴に関するデータが利用できない場合、炭素排出量の観点からその建物を改善する方法を決定する作業は実行不可能になります。
適切なプロンプトエンジニアリングとドメイン知識を備えた大規模言語モデルによって、一連の画像のみから、持続可能性の計算に関連するさまざまな建物の特徴を首尾よく推定できることを示します。
私たちは、当社の新しい画像からデータへの手法を、47 戸のアパートの実際の建物データからなるグラウンド トゥルースと比較し、人間が同じタスクを実行するよりも高い精度を達成しました。
また、この方法により、特性を改善する最適な方法について所有者に合わせた推奨事項を生成し、アプローチを拡張するための方法について議論できることも示します。

要約(オリジナル)

When data on building features is unavailable, the task of determining how to improve that building in terms of carbon emissions becomes infeasible. We show that from only a set of images, a Large Language Model with appropriate prompt engineering and domain knowledge can successfully estimate a range of building features relevant for sustainability calculations. We compare our novel image-to-data method with a ground truth comprising real building data for 47 apartments and achieve accuracy better than a human performing the same task. We also demonstrate that the method can generate tailored recommendations to the owner on how best to improve their properties and discuss methods to scale the approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google