建筑立面分段用于太阳能光伏适用性
计算机视觉与模式识别
2025-11-25 v1
摘要
建筑集成式光伏（BIPV）立面代表了一种向城市脱碳的有前景的路径，尤其是在屋顶面积不足且地面安装式阵列不可行的地方。虽然针对屋顶太阳能光伏（PV）规划的机器学习方法已经广泛研究，但针对立面的自动化方法仍然稀少且过于简化。因此，本文提出了一条集成立面建筑组成细节信息的管线，用于自动识别适用于光伏应用的表面并估算太阳能潜力。该管线在CMP立面数据集上微调SegFormer-B5模型，并将语义预测转换为考虑组件尺寸和间距的立面级光伏适用性掩码和光伏组件布局。应用于来自十个城市、已知尺寸的373个立面数据集，结果表明可安装的BIPV潜力显著低于理论潜力，从而为可靠的城市能源规划提供了宝贵的见解。随着立面影像获取量的增长，本文提出的管线可规模化支持全球城市的BIPV规划。
引用
@article{arxiv.2511.18882,
title = {Facade Segmentation for Solar Photovoltaic Suitability},
author = {Ayca Duran and Christoph Waibel and Bernd Bickel and Iro Armeni and Arno Schlueter},
journal= {arXiv preprint arXiv:2511.18882},
year = {2025}
}
备注
NeurIPS 2025 Tackling Climate Change with Machine Learning Workshop version. Non-archival