도시를 보는 것인가, 장소를 인식하는 것인가? VLM 도시 센싱에서 스트리트뷰 이미지가 기존 도시 데이터 대비 추가로 제공하는 것
Seeing the City or Recognizing the Place? What Street-View Imagery Adds Beyond Existing Urban Data in VLM Urban Sensing
스트리트뷰 이미지는 도시 속성(urban attribute)을 추론하는 데 점점 더 많이 사용되고 있지만, 예측 정확도만으로는 사진이 동일한 장소에 대해 이미 존재하는 데이터를 넘어서 얼마나 많은 정보를 제공하는지 알 수 없다. 우리는 다섯 개의 공개 자원과 세 개의 VLM에서 얻은 일곱 가지 속성에 대해 이미지 기반 예측과 기존 도시 데이터를 비교한다. 동일한 도시 단위(urban unit)를 이미지, 작업 맥락(task context), 인접 관측값, 공공 기록을 사용하여 평가하며, 이미지 교체와 상충되는 기록을 통해 소스 의존도(source reliance)를 검증한다. 기존 도시 데이터는 도로 손상, 연석 경사로(curb ramp), 주택 가격에서 이미지 전용 모델과 비슷하거나 이를 능가했으며, 인접 공식 통계는 인구(population)에서 최고 이미지 결과에 거의 근접했다. 건물 유형, 건물 용도, 저층 건물의 층수에서는 이미지가 더 많은 정보를 제공했다. 층수의 경우, 이미지의 우위는 가장 가까운 레이블링된 건물까지의 거리가 두 배가 될 때마다 5.7퍼센트포인트 증가했으며, 지붕선(roofline)이 프레임 밖으로 벗어나는 경우가 많은 고층 건물에서는 감소했다. 모델들은 상충되는 기록을 자주 따랐다. OpenFACADES의 층수 주석(annotation)은 OpenStreetMap의 층수 값을 사용하여 생성되었으며, 이미지 전용 재실행(rerun)과는 반대되는 높이 의존적 오류 패턴을 보였다. 따라서 스트리트뷰 이미지의 가치는 시각적 식별 가능성(visual legibility)과 로컬 데이터 커버리지에 따라 달라진다. 이미지를 기존 도시 데이터와 비교하는 것은 이미지 수집을 안내하고 파생된 도시 지도의 출처(provenance)를 명확히 하는 데 도움이 될 수 있다.