最近、国際工業化建設会議2026（ICIC 2026）で発表された研究では、大規模言語モデル（LLM）をリモートセンシング画像と組み合わせて建築環境の推論を行い、スマートシティのアプリケーションを支援する方法が調査されました。この研究はDongdong Wangらによって行われ、リモートセンシング画像を活用して建築環境を特徴づけることを核心的なアイデアとしており、設計提案、施工性評価、土地利用パターン、リスク特定などのタスクを対象としています。
研究チームは、複数の空間スケールでのリモートセンシング画像をマルチモーダル言語モデリングの入力として使用し、それらが建築環境関連の推論に与える影響を評価しました。さらに、InternVLやQwenを含む最先端の大規模言語モデルを比較し、建築環境の推奨を生成する際の精度と信頼性を検証しました。実験の結果、リモートセンシング画像と大規模言語モデルを統合することで、スマートシティの意思決定を効果的に支援できる可能性が示されました。
この研究では、多スケールのリモートセンシング画像が豊富な空間情報を提供し、モデルが建築環境を全体から詳細まで理解できることが明らかになりました。InternVLとQwenはそれぞれ異なる強みを示し、InternVLは詳細認識に優れ、Qwenは全体レイアウトの推論で優れた性能を発揮しました。これらの知見は、将来スマートシティで適切な視覚言語モデルを選択する際の参考となります。
研究者らは、この手法が都市計画者や建築家の意思決定を支援するだけでなく、災害対応やインフラ評価などの分野でも重要な役割を果たす可能性があると強調しています。リモートセンシング画像の解像度向上と大規模言語モデルの能力強化に伴い、この学際的な融合はスマートシティの発展を新たな段階へと導くことが期待されます。本論文はarXivでプレプリントとして公開されており（arXiv:2605.08404）、ICIC 2026で正式に発表される予定です。