跳到正文
热点事件持续更新

研究者发布基于卫星影像的城市能耗合成框架DySENSE

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Kailai Sun 等研究者在 arXiv 提交论文,提出 DySENSE——一个结合静态城市卫星影像与对齐的动态月度建筑能耗地图的多模态 GenAI 框架,用于城市能耗的合成与模拟。 在纽约、华盛顿、诺福克、釜山四个城市的实验中,DySENSE 用不到 25% 的标注数据使下游预测 mIoU 提升 8%,相比现有方法预测精度提升 8.7%,并按 ASHRAE 标准将 CVRMSE 误差降低 9%–18%。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. arXiv cs.AI
    DySENSE:基于卫星影像的动态时空能源合成与模拟框架

    研究者提出 DySENSE,一个结合静态城市卫星影像与对齐的动态月度建筑能耗地图的多模态 GenAI 框架。在纽约、华盛顿、诺福克、釜山四个城市的实验中,DySENSE 用不到 25% 的标注数据使下游预测 mIoU 提升 8%,相比现有方法预测精度提升 8.7%,并按 ASHRAE 标准将 CVRMSE 误差降低 9%-18%。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月16日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。