論文の概要: DeepDualMapper: A Gated Fusion Network for Automatic Map Extraction using Aerial Images and Trajectories

• arxiv url: http://arxiv.org/abs/2002.06832v1
• Date: Mon, 17 Feb 2020 08:33:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-31 12:53:07.351537
• Title: DeepDualMapper: A Gated Fusion Network for Automatic Map Extraction using Aerial Images and Trajectories
• Title（参考訳）: DeepDualMapper: 空中画像と軌道を用いた自動地図抽出のためのGated Fusion Network
• Authors: Hao Wu, Hanyuan Zhang, Xinyu Zhang, Weiwei Sun, Baihua Zheng, Yuning Jiang
• Abstract要約: 本稿では,空中画像とGPSトラジェクトリデータを融合するディープDualMapperというディープ畳み込みニューラルネットワークを提案する。 実験の結果,DeepDualMapperは既存の手法よりもはるかに効果的に画像や軌跡の情報を融合できることがわかった。
• 参考スコア（独自算出の注目度）: 28.89392735657318
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic map extraction is of great importance to urban computing and location-based services. Aerial image and GPS trajectory data refer to two different data sources that could be leveraged to generate the map, although they carry different types of information. Most previous works on data fusion between aerial images and data from auxiliary sensors do not fully utilize the information of both modalities and hence suffer from the issue of information loss. We propose a deep convolutional neural network called DeepDualMapper which fuses the aerial image and trajectory data in a more seamless manner to extract the digital map. We design a gated fusion module to explicitly control the information flows from both modalities in a complementary-aware manner. Moreover, we propose a novel densely supervised refinement decoder to generate the prediction in a coarse-to-fine way. Our comprehensive experiments demonstrate that DeepDualMapper can fuse the information of images and trajectories much more effectively than existing approaches, and is able to generate maps with higher accuracy.
• Abstract（参考訳）: 自動地図抽出は都市コンピューティングと位置情報サービスにとって非常に重要である。 航空画像とgps軌道データは、異なる種類の情報を持っているにもかかわらず、地図を生成するために活用できる2つの異なるデータソースを参照している。 空中画像と補助センサーのデータとのデータ融合に関するこれまでの研究は、両方のモダリティの情報を完全に活用していないため、情報損失の問題に悩まされている。 本稿では、よりシームレスに空中画像と軌跡データを融合してデジタルマップを抽出するDeepDualMapperと呼ばれる深層畳み込みニューラルネットワークを提案する。 我々は,両モードからの情報フローを相補的に明示的に制御するゲート融合モジュールを設計する。 さらに,細粒度から細粒度までの予測を行うために,教師付き精細デコーダを提案する。 総合的な実験により,deepdualmapperは既存の手法よりもはるかに効果的に画像と軌跡の情報を融合でき,高い精度で地図を生成できることを示した。

関連論文リスト

• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Map-aided annotation for pole base detection [0.0]
  本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。 高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。 ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
  論文  参考訳（メタデータ） (2024-03-04T09:23:11Z)
• Diffusion-based Data Augmentation for Object Counting Problems [62.63346162144445]
  拡散モデルを用いて広範なトレーニングデータを生成するパイプラインを開発する。 拡散モデルを用いて位置ドットマップ上に条件付き画像を生成するのはこれが初めてである。 提案した拡散モデルにおけるカウント損失は,位置ドットマップと生成した群集画像との差を効果的に最小化する。
  論文  参考訳（メタデータ） (2024-01-25T07:28:22Z)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)
• Transformer-Based Neural Surrogate for Link-Level Path Loss Prediction from Variable-Sized Maps [11.327456466796681]
  送信機と受信機の位置に対する経路損失の推定は、ネットワーク計画やハンドオーバを含む多くのユースケースにおいて重要である。 本稿では,様々な次元の地図やスパース測定からリンクレベルの特性を予測できるトランスフォーマーベースのニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-10-06T20:17:40Z)
• Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust Road Extraction [110.61383502442598]
  我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。 CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。 実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
  論文  参考訳（メタデータ） (2021-11-30T04:30:10Z)
• Synthesizing Optical and SAR Imagery From Land Cover Maps and Auxiliary Raster Data [14.407683537373325]
  我々はランドカバーマップから光学RGBと合成開口レーダ(SAR)のリモートセンシング画像とGANを用いた補助データの両方を合成する。 リモートセンシングでは、デジタル標高モデル(DEM)や降水マップのような多くの種類のデータが土地被覆地図に反映されないことが多いが、それでも画像の内容や構造に影響を与える。 本手法は, 対応するデータセットを用いて, メディア(10m) と高(1m) の解像度画像の合成に成功している。
  論文  参考訳（メタデータ） (2020-11-23T10:28:10Z)
• Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
  近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。 本稿では,従来のアプローチのさらなる発展について述べる。 複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
  論文  参考訳（メタデータ） (2020-08-09T09:26:30Z)
• RoutedFusion: Learning Real-time Depth Map Fusion [73.0378509030908]
  深度マップ融合のための新しいリアルタイム能動機械学習手法を提案する。 本稿では,通常の核融合エラーを考慮に入れた非線形更新を予測できるニューラルネットワークを提案する。 本ネットワークは2次元深度ルーティングネットワークと3次元深度融合ネットワークから構成されており,センサ固有のノイズや外れ値の処理を効率的に行う。
  論文  参考訳（メタデータ） (2020-01-13T16:46:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。