解构ChatGPT-4视觉在建筑进度监控中的潜力
计算机视觉与模式识别
2024-12-23 v1 人工智能
摘要
大型视觉语言模型（LVLMs）如OpenAI的GPT-4视觉的集成标志着人工智能领域的重大演进，尤其是在分析和解释视觉数据方面。本文探讨了GPT-4视觉在建筑行业中的实际应用，具体focus于其在监控和跟踪建筑项目进度方面的能力。该研究利用建筑工地的高分辨率航空图像，检验GPT-4视觉在进行详细场景分析和随时间推移跟踪性状变化时的表现。研究结果表明，尽管GPT-4视觉在识别建筑阶段、材料和机械设备方面表现出色，但在精确的对象定位和分割方面仍面临挑战。尽管存在这些局限性，但该技术的未来发展潜力巨大。这项研究不仅揭示了LVLMs在建筑领域的当前水平和机遇，也讨论了通过领域特定训练与其他计算机视觉技术和数字孪生体的集成来增强模型效用的未来方向。
引用
@article{arxiv.2412.16108,
title = {Demystifying the Potential of ChatGPT-4 Vision for Construction Progress Monitoring},
author = {Ahmet Bahaddin Ersoz},
journal= {arXiv preprint arXiv:2412.16108},
year = {2024}
}