阿姆斯特丹住房质量的跨模态学习
计算机视觉与模式识别
2024-03-15 v1 人工智能
摘要
在我们的研究中，我们测试了用于从地面图像和航空图像识别阿姆斯特丹市住房质量的数据与模型。对于地面图像，我们将 Google StreetView (GSV) 图像与 Flickr 图像进行了比较。我们的结果表明，GSV 预测出的建筑质量得分最为准确，比仅使用航空图像高出约 30%。然而，我们发现通过仔细筛选并使用合适的预训练模型，Flickr 图像特征结合航空图像特征能够将相对于 GSV 特征的性能差距从 30% 缩小至 15%。我们的研究结果表明，在宜居性因子预测方面存在可行的 GSV 替代方案，这令人鼓舞，因为 GSV 图像更难获取且并非总是可用。
引用
@article{arxiv.2403.08915,
title = {Cross-Modal Learning of Housing Quality in Amsterdam},
author = {Alex Levering and Diego Marcos and Devis Tuia},
journal= {arXiv preprint arXiv:2403.08915},
year = {2024}
}
备注
Presented at SIGSpatial GeoAI workshop '21