PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.01870v1cs.CV

픽셀에서 정책까지: 개입 및 지리공간 의사결정 지원을 위한 멀티 에이전트 시스템

From Pixels to Policy: A Multi-Agent System for Intervention and Geo-Spatial Decision Support

도시 환경은 건강, 안전, 삶의 질에 장기적인 영향을 미치는 디자인 선택에 의해 형성되지만, 제안된 개입(intervention) 방안을 평가하는 것은 여전히 비용과 시간이 많이 소요되며 비현실적인 경우가 많습니다. 기존의 지리공간 비전(geospatial vision) 방식은 주로 항공 및 스트리트 뷰(street-view) 영상에서 도시 지표를 모니터링하는 데 집중할 뿐, 개입을 제안하고 그러한 지표에 미치는 영향을 추정하는 데는 이르지 못했습니다. 본 연구에서는 단순 인식을 넘어, 주어진 항공 또는 스트리트 뷰 영상에서 목표 지표를 개선하는 개입 방안을 탐색하는 문제를 도입합니다. 본 논문에서는 블랙박스 지표 모델과 생성형 편집 모델을 결합하면 개입 가설을 테스트하기 위한 암시적 디지털 트윈(implicit digital twin) 역할을 수행할 수 있음을 주장합니다. 이에 따라 시각적으로 현실적이면서도 실제 정책과 부합하는 개입안을 생성하기 위해 세그멘테이션(segmentation), 확산(diffusion) 기반 인페인팅(inpainting), 지표 점수화 모델을 조율하여 이러한 개입 공간을 탐색하는 멀티 에이전트 시스템인 VIDA-Geo를 제시합니다. 항공 및 스트리트 뷰 영상 전반에서 체감 안전성 및 녹지와 같은 요소의 변화를 측정하며 8가지 지표에 대해 시스템을 평가했습니다. 본 접근 방식은 많은 사례에서 기존 베이스라인을 능가하여 최대 2배 더 높은 시각적 품질과 정책 부합도 점수를 달성했습니다. 마지막으로, 본 모델은 사용자에게 다수의 후보 개입안을 제공함으로써 전문가 도시 계획자가 참여하는 city-planner-in-the-loop 워크플로를 지원합니다.

arXiv:2607.06529v1cs.CL

생활 수준 등급: 지리공간 데이터를 활용한 도시 지역 구획화

Life Style Levels: Neighborhood Delineation using Geospatial Data

인도와 같이 급격히 도시화되는 개발도상국에서는 세밀한 사회경제적 정보를 구하기 어렵기 때문에, 도시 내 빈부 격차의 공간적 구획화에 한계가 있다. 본 연구는 공개 위성 이미지에서 도출한 건물 형태학(building morphology)을 활용하여 확장 가능한 격자 기반 도시 구획화 프레임워크를 제안한다. 인도 59개 도시 및 소도시의 도시 지역을 고해상도 공간 격자로 분할하고, 해석 가능한 형태학적 지표로 특성화한 뒤, 이를 투명한 규칙 기반 점수 체계로 통합하여 도시 풍요도의 대비되는 수준을 구획화한다. 도출된 분류 결과는 현장 수준의 Google Street View 관측을 통해 검증되었으며, 생활 방식 풍요도 지표의 예상 효과와 일치하는 격자 클래스 간 뚜렷한 대비가 확인되었다. 또한 뭄바이의 건물 풋프린트에 대한 밀도 기반 클러스터링을 추가로 분석하여 고밀도 도시 정착지를 식별하였으며, 도출된 클러스터가 도시 전역의 알려진 비공식 정착지와 상당한 공간적 중첩을 보임을 확인하였다. 마지막으로, 도출된 풍요도 등급에 따른 소비자 대출 연체율 분포를 탐색적으로 분석한다. 완전히 공개된 지리공간 데이터만을 활용함으로써, 제안된 프레임워크는 인도 도시 전반에 걸쳐 세밀한 도시 풍요도 매핑을 위한 확장 가능하고 해석 가능하며 비용 효율적인 접근 방식을 제공한다.

arXiv:2606.18280v1stat.AP

IOAH3: 중요도 기반 적응형 공간 분할

IOAH3: Importance-Driven Adaptive Spatial Partitioning

고정된 행정 구역이나 균일 격자로 공간을 나누면 가변적 면적 단위 문제(MAUP)로 통계·추론 결과가 분할 선택에 민감해지므로, IOAH3는 도로·POI·건물 밀도와 지형 거칠기에 대한 PCA 중요도 점수, 마르코프 무작위 장(MRF) 그래프 컷, H3 계층적 정제를 통해 관측 정보에 맞는 적응형 공간 분할을 만든다. 이렇게 구축한 분할은 공간 추론 파이프라인 입력으로 쓰이며, 모델링 전 단계에서 분할 민감성을 원칙적으로 완화한다.