SENSE：面向可持续环境的基于卫星的能源合成
摘要
城市建筑能耗建模在实现联合国可持续发展目标 7 和 11 中发挥着关键作用。尽管基于卫星图像和深度学习的现有研究取得了显著进展，但仍存在许多挑战：大多数现有研究本质上是预测性的，未能反映城市规划的生成特性；尽管生成式 AI 和扩散模型在卫星图像领域经历了爆炸式增长，但它们缺乏城市功能性生成（例如，能源层）；第三，与卫星图像对齐的高质量高分辨率建筑能耗数据有限且稀缺。在此，我们提出 SENSE（Satellite-based ENergy Synthesis for Sustainable Environment，面向可持续环境的基于卫星的能源合成），这是一个统一的生成式 UBEM 框架，可联合合成逼真的城市卫星图像以及对齐的高质量建筑能耗和高度图。通过以路网和城市密度指标为条件，基于可控扩散模型的 SENSE 利用大型视觉模型学到的知识，在潜在空间中生成城市建筑能耗和高度信息（标注）。在四个城市（纽约、波士顿、里昂、釜山）的实验表明，SENSE 实现了高视觉保真度和强物理一致性，满足了 ASHRAE 标准指标。实验表明，SENSE 可以使用不到 20% 的标注能源数据生成足够的带标注合成数据，将下游预测性能提升了 10% 的 IoU。与 SOTA 城市能源预测方法相比，SENSE 显著降低了预测误差（降低 3%-11% 的 NMBE 和 1%-9% 的 CVRMSE）。本研究为城市科学、能源科学和建筑科学提供了一种节能的城市规划和物理生成解决方案。数据集和代码：https://huggingface.co/datasets/skl24/MUSE 和 https://github.com/kailaisun/GenAI4Urban-Energy/。
引用
@article{arxiv.2605.18101,
title = {SENSE: Satellite-based ENergy Synthesis for Sustainable Environment},
author = {Kailai Sun and Mingyi He and Heye Huang and Can Rong and Alok Prakash and Baoshen Guo and Shenhao Wang and Jinhua Zhao},
journal= {arXiv preprint arXiv:2605.18101},
year = {2026}
}
备注
Accpted by KDD 2026 (Oral)