全球城市视觉感知随人口统计特征和人格特质而变
计算机视觉与模式识别
2025-10-29 v4 机器学习
摘要
理解人们的偏好对于城市规划至关重要，但当前方法常将来自多文化人群的响应合并在一起，掩盖了人口统计差异的风险并可能放大偏见。我们对来自世界各地的街道景观进行大规模城市视觉感知调查，使用街景图像，检验人口统计特征——包括性别、年龄、收入、教育、种族和族谱，以及人格特质——如何塑造来自1,000名具有平衡人口统计特征的来自5个国家、45个国籍的参与者的感知。该数据集Street Perception Evaluation Considering Socioeconomics（SPECS）揭示了基于人口统计和人格的差异，这些差异体现在六项传统指标——安全、热闹、富有、美丽、乏味、沮丧——以及四项新指标——居住在附近、步行、骑行、绿化。基于位置的情感进一步塑造了这些偏好。在现有全球数据集上训练的机器学习模型倾向于高估积极指标、低估消极指标，与人类响应相比，凸显了需要考虑本地语境的需求。我们的研究旨在纠正对街道感知的盲目处理，此类处理很少考虑人口统计特征或人格特质。
引用
@article{arxiv.2505.12758,
title = {Global urban visual perception varies across demographics and personalities},
author = {Matias Quintana and Youlong Gu and Xiucheng Liang and Yujun Hou and Koichi Ito and Yihan Zhu and Mahmoud Abdelrahman and Filip Biljecki},
journal= {arXiv preprint arXiv:2505.12758},
year = {2025}
}