建筑年代估计：一个新的多模态基准数据集与社区挑战赛
计算机视觉与模式识别
2025-09-15 v4 机器学习
摘要
估计建筑的建造年份对于推进可持续发展至关重要，因为老旧建筑通常缺乏节能特性。可持续城市规划依赖于准确的建筑年代数据来降低能源消耗和缓解气候变化。在这项工作中，我们引入了 MapYourCity，一个新颖的多模态基准数据集，包含顶视超高分辨率（VHR）图像、来自 Copernicus Sentinel-2 卫星星座的多光谱地球观测（EO）数据，以及横跨多个欧洲城市的共定位街景图像。每栋建筑都标有其建造时代，该任务被构建为一个涵盖1900年至今时期的七类分类问题。为了推进地球观测泛化和多模态学习的研究，我们在2024年组织了一场由 ESA -lab 主办的社区驱动数据挑战赛，该赛事历时四个月，吸引了广泛参与。本文展示了挑战赛中排名前四的模型及其评估结果。我们在未参与训练的城市上评估模型的泛化能力以防止数据泄露，并评估了在缺失模态场景下的性能，特别是在街景数据不可用时。结果表明，即使在以前未见过的城市中以及仅依赖顶视卫星图像（即 VHR 和 Sentinel-2 图像）时，建筑年代估计也是可行且有效的。因此，MapYourCity 数据集为开发可持续城市分析中可扩展的真实世界解决方案提供了宝贵资源。
引用
@article{arxiv.2502.13818,
title = {Building Age Estimation: A New Multi-Modal Benchmark Dataset and Community Challenge},
author = {Nikolaos Dionelis and Alessandra Feliciotti and Mattia Marconcini and Devis Peressutti and Nika Oman Kadunc and JaeWan Park and Hagai Raja Sinulingga and Steve Andreas Immanuel and Ba Tran and Caroline Arnold and Nicolas Longépé},
journal= {arXiv preprint arXiv:2502.13818},
year = {2025}
}
备注
16 pages, 20 figures, 1 table, Submitted