论文页面 - SENSE：基于卫星的可持续环境能量合成

来源：https://huggingface.co/papers/2605.18101

摘要

SENSE 是一个生成式城市建筑能耗建模框架，利用扩散模型合成卫星图像与能量数据，在减少标注数据需求的同时实现了高保真结果。

城市建筑能耗建模（Urban Building Energy Modeling，简称 UBEM）在实现联合国可持续发展目标 7 和 11 中扮演关键角色。尽管现有基于卫星图像（satellite imagery）和深度学习的研究已取得显著进展，但仍存在诸多挑战：多数现有研究本质上是预测性的，未能体现城市规划的生成性特征；尽管生成式 AI（generative AI）和扩散模型（diffusion models）在卫星图像领域呈爆发式增长，但缺乏城市功能生成（如能量层）；此外，与卫星图像对齐的高质量高分辨率建筑能耗数据十分有限且稀缺。为此，我们提出 SENSE（Satellite-based ENergy Synthesis for Sustainable Environment），一个统一的生成式 UBEM 框架，能够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与高度地图。通过以道路网络和城市密度指标为条件，SENSE 基于可控制扩散模型（controllable diffusion model），利用大规模视觉模型学习到的知识在潜在空间（latent space）中生成城市建筑能耗与高度信息（即标注）。在四个城市（纽约市、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 ASHRAE 标准（ASHRAE standard）指标。实验证明，SENSE 能够使用不到 20% 的标注能耗数据生成足够的合成标注数据，从而将下游预测性能提升 10% IoU。与当前最优的城市能耗预测方法相比，SENSE 显著降低了预测误差（NMBE 降低 3%–11%，CVRMSE 降低 1%–9%）。本研究为城市科学、能源科学和建筑科学提供了一种节能型城市规划与物理生成解决方案。数据集与代码：https://huggingface.co/datasets/skl24/MUSE 和 https://github.com/kailaisun/GenAI4Urban-Energy/

查看 arXiv 页面（https://arxiv.org/abs/2605.18101）查看 PDF（https://arxiv.org/pdf/2605.18101）项目页面（https://arxiv.org/abs/2605.18101）GitHub1（https://github.com/kailaisun/GenAI4Urban-Energy）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.18101）

在你的 agent 中获取这篇论文：

hf papers read 2605\.18101

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本篇论文的模型 1

skl24/SENSE 更新于约 5 小时前（https://huggingface.co/skl24/SENSE）

引用本篇论文的数据集 1

skl24/MUSE 更新于约 5 小时前 • 11（https://huggingface.co/datasets/skl24/MUSE）

引用本篇论文的 Spaces 0

没有 Space 链接此论文

请在 Space 的 README.md 中引用 arxiv.org/abs/2605.18101，以便从本页面链接到它。

包含本篇论文的收藏集 0

没有收藏集包含此论文

将本篇论文添加到一个收藏集（https://huggingface.co/new-collection）以从本页面链接它。