Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

HouseTS: A Large-Scale, Multimodal Spatiotemporal U.S. Housing Dataset

Created by
  • Haebom

저자

Shengkun Wang, Yanshen Sun, Fanglan Chen, Linhan Wang, Naren Ramakrishnan, Chang-Tien Lu, Yinlin Chen

개요

HouseTS는 2012년 3월부터 2023년 12월까지 미국 30개 주요 대도시의 6,000개 우편번호 지역에 대한 월별 주택 가격을 포함하는 대규모 다중 모드 데이터셋입니다. 89만 개가 넘는 레코드로 구성되며, 관심 지점(POI), 사회경제적 지표, 상세 부동산 지표 등이 풍부하게 포함되어 있습니다. 본 논문에서는 14가지 모델(고전적 통계적 접근 방식, 심층 신경망, 사전 훈련된 시계열 기본 모델 포함)을 평가하여 표준화된 성능 기준을 설정하고, 시계열 위성 이미지로부터 지리적 변화에 대한 구조화된 텍스트 설명을 추출하는 비전 언어 모델을 사용한 다중 모드 사례 연구를 통해 HouseTS의 가치를 보여줍니다. 데이터셋은 Kaggle에서 호스팅되고, 모든 전처리 파이프라인, 벤치마크 코드 및 문서는 GitHub에서 공개적으로 유지 관리되어 완전한 재현성과 쉬운 채택을 보장합니다.

시사점, 한계점

시사점:
장기 예측을 위한 충분한 시공간적 깊이와 맥락적 풍부함을 갖춘 재현 가능한 벤치마크를 제공합니다.
다양한 모델(고전적 통계 모델, DNN, 사전 훈련된 시계열 모델)을 이용한 표준화된 성능 기준을 제시합니다.
위성 이미지와 비전 언어 모델을 활용한 해석 가능하고 근거있는 도시 진화에 대한 통찰력을 제공합니다.
데이터셋과 코드의 공개를 통한 재현성과 접근성을 보장합니다.
한계점:
데이터셋은 미국 30개 주요 대도시에 한정되어 전 세계적 일반화에는 제한이 있을 수 있습니다.
모델 평가에 사용된 특정 모델들 외 다른 모델들의 성능은 추가적으로 검증되어야 합니다.
위성 이미지 해석의 정확성 및 일반화 가능성에 대한 추가적인 연구가 필요할 수 있습니다.
👍