日夜街景图像生成用于24小时城市场景审计,使用生成性AI

科学领域:

• 城市规划和地理空间分析
• 计算机视觉和人工智能的人工智能
• 犯罪学和公共安全.

背景情况:

• 城市夜间安全是一个全球性问题,特别是在犯罪率较高的大型复杂城市.
• 缺乏夜间街景图像 (SVI) 限制了对感知安全和犯罪预防的研究.
• 生成性AI (GenAI) 提供了一个潜在的解决方案,可以从现有的白天数据中创建所需的夜间SVI.

研究的目的:

• 测试这一假设,即生成性AI可以有效地从白天SVI创建夜间SVI.
• 在各种城市景观中构建一个全面的昼夜SVI数据集.
• 开发和验证城市场景感知研究的日夜 (D2N) 转换模型.

主要方法:

• 收集了来自四个城市的两对昼夜SVI,其城市形式各不相同.
• 训练并验证了一种具有亮度调整的D2N模型,用于将白天SVI转换为夜间SVI.
• 评估了不同的GenAI模型 (CycleGAN,Pix2Pix,StableDiffusion) 对D2N转换的性能.

主要成果:

• D2N转换的精度受城市密度,建筑物和天空视图比例的影响.
• 对于D2N转换,CycleGAN平衡了准确性,数据需求和成本效益.
• 根据数据可用性,质量和计算成本,Pix2Pix和StableDiffusion显示了不同的性能.

结论:

• 这项研究成功地证明了GenAI能够从白天数据中生成夜间SVI的能力.
• 建立了一个新的D2N数据集和生成器模型,支持未来的城市环境审计.
• 这项工作为在城市安全和犯罪预防研究中利用SVI提供了基础.