論文の概要: Super-Resolution-based Snake Model -- An Unsupervised Method for
Large-Scale Building Extraction using Airborne LiDAR Data and Optical Image
- arxiv url: http://arxiv.org/abs/2004.08522v1
- Date: Sat, 18 Apr 2020 05:00:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 05:44:30.238834
- Title: Super-Resolution-based Snake Model -- An Unsupervised Method for
Large-Scale Building Extraction using Airborne LiDAR Data and Optical Image
- Title(参考訳): 超解像に基づくスネークモデル -空中LiDARデータと光学画像を用いた大規模建物抽出の教師なし手法
- Authors: Thanh Huy Nguyen, Sylvie Daniel, Didier Gueriot, Christophe Sintes,
Jean-Marc Le Caillec
- Abstract要約: 能動輪郭モデル(通称ヘビモデル)は、航空画像や衛星画像から建物を抽出するために研究されている。
超解像に基づくスネークモデル(SRSM)は高解像度のLiDARに基づく標高画像で動作する。
SRSMは、さまざまなデータセットでテストすると、全体的な精度が向上する。
- 参考スコア(独自算出の注目度): 2.756147934836573
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic extraction of buildings in urban and residential scenes has become
a subject of growing interest in the domain of photogrammetry and remote
sensing, particularly since mid-1990s. Active contour model, colloquially known
as snake model, has been studied to extract buildings from aerial and satellite
imagery. However, this task is still very challenging due to the complexity of
building size, shape, and its surrounding environment. This complexity leads to
a major obstacle for carrying out a reliable large-scale building extraction,
since the involved prior information and assumptions on building such as shape,
size, and color cannot be generalized over large areas. This paper presents an
efficient snake model to overcome such challenge, called Super-Resolution-based
Snake Model (SRSM). The SRSM operates on high-resolution LiDAR-based elevation
images -- called z-images -- generated by a super-resolution process applied to
LiDAR data. The involved balloon force model is also improved to shrink or
inflate adaptively, instead of inflating the snake continuously. This method is
applicable for a large scale such as city scale and even larger, while having a
high level of automation and not requiring any prior knowledge nor training
data from the urban scenes (hence unsupervised). It achieves high overall
accuracy when tested on various datasets. For instance, the proposed SRSM
yields an average area-based Quality of 86.57% and object-based Quality of
81.60% on the ISPRS Vaihingen benchmark datasets. Compared to other methods
using this benchmark dataset, this level of accuracy is highly desirable even
for a supervised method. Similarly desirable outcomes are obtained when
carrying out the proposed SRSM on the whole City of Quebec (total area of 656
km2), yielding an area-based Quality of 62.37% and an object-based Quality of
63.21%.
- Abstract(参考訳): 都市・住宅空間における建物の自動抽出は,1990年代半ば以降,写真撮影・リモートセンシング分野への関心が高まっている。
スネークモデルとして知られる能動輪郭モデルは、航空画像や衛星画像から建物を抽出するために研究されている。
しかし, 建築規模, 形状, 周囲環境が複雑化しているため, この課題は依然として極めて困難である。
この複雑さは、形状、大きさ、色といった建物に関する事前情報や前提が広い範囲で一般化できないため、信頼性の高い大規模建築物の抽出において大きな障害となる。
本稿では,スーパーリゾリューションベーススネークモデル (SRSM) と呼ばれる,このような課題を克服するための効率的なヘビモデルを提案する。
SRSMは、LiDARデータに適用される超高解像度プロセスによって生成される高解像度のLiDARベースの標高画像(z-images)を運用している。
関連するバルーン力モデルも改良され、蛇を連続的に膨らませるのではなく、適応的に縮小または膨張する。
この方法は、高レベルの自動化を有しながら、都市のシーンから事前の知識や訓練データを必要とせず、都市規模や規模といった大規模に適用できる(監督されていない)。
様々なデータセットでテストした場合、高い全体的な精度を達成する。
例えば、提案されたSRSMは平均領域ベースの品質86.57%、オブジェクトベースの品質81.60%をISPRS Vaihingenベンチマークデータセットで得る。
このベンチマークデータセットを用いた他の手法と比較して、このレベルの精度は教師付き手法であっても非常に望ましい。
同様に、提案されたSRSMをケベック市全体(総面積656 km2)で実施すると、領域ベースの品質は62.37%、オブジェクトベースの品質は63.21%となる。
関連論文リスト
- Omni6D: Large-Vocabulary 3D Object Dataset for Category-Level 6D Object Pose Estimation [74.44739529186798]
Omni6Dは、さまざまなカテゴリとさまざまな背景を持つ総合的なRGBDデータセットである。
データセットは166のカテゴリ、標準ポーズに調整された4688のインスタンス、0.8万以上のキャプチャで構成されている。
我々は、このイニシアチブが、産業と学術の両方において、新たな洞察と実質的な進歩の道を開くと信じている。
論文 参考訳(メタデータ) (2024-09-26T20:13:33Z) - Handling Geometric Domain Shifts in Semantic Segmentation of Surgical RGB and Hyperspectral Images [67.66644395272075]
本稿では,幾何学的アウト・オブ・ディストリビューションデータに直面する場合の,最先端のセマンティックセマンティックセマンティクスモデルの最初の解析を行う。
本稿では, 汎用性を高めるために, 有機移植(Organ Transplantation)と呼ばれる拡張技術を提案する。
我々の拡張技術は、RGBデータに対して最大67%、HSIデータに対して90%のSOAモデル性能を改善し、実際のOODテストデータに対して、分配内パフォーマンスのレベルでのパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-08-27T19:13:15Z) - Enhancing Robustness of Human Detection Algorithms in Maritime SAR through Augmented Aerial Images to Simulate Weather Conditions [1.660242118349614]
本稿では,海中SARにおける人間の検出精度を向上させることを目的として,様々な標高と地質的位置を含む頑健なデータセットを評価する。
その結果, 強化データセットを用いたモデルでは, ヒトのリコールスコアが0.891から0.911の範囲で, YOLOv5lモデルでは3.4%向上した。
論文 参考訳(メタデータ) (2024-08-25T08:23:06Z) - Quanv4EO: Empowering Earth Observation by means of Quanvolutional Neural Networks [62.12107686529827]
本稿は、大量のリモートセンシングデータの処理において、量子コンピューティング技術を活用することへの大きなシフトを取り上げる。
提案したQuanv4EOモデルでは,多次元EOデータを前処理するための準進化法が導入された。
主要な知見は,提案モデルが画像分類の精度を維持するだけでなく,EOのユースケースの約5%の精度向上を図っていることを示唆している。
論文 参考訳(メタデータ) (2024-07-24T09:11:34Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳(メタデータ) (2023-11-21T19:49:13Z) - RGB-based Category-level Object Pose Estimation via Decoupled Metric
Scale Recovery [72.13154206106259]
本研究では、6次元のポーズとサイズ推定を分離し、不完全なスケールが剛性変換に与える影響を緩和するパイプラインを提案する。
具体的には,事前学習した単分子推定器を用いて局所的な幾何学的情報を抽出する。
別個のブランチは、カテゴリレベルの統計に基づいてオブジェクトのメートル法スケールを直接復元するように設計されている。
論文 参考訳(メタデータ) (2023-09-19T02:20:26Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - Building Height Prediction with Instance Segmentation [0.0]
本稿では, 一つのRGB衛星画像からビルディングマスクを推定するために, ケースセグメンテーションに基づくビルディング高さ抽出手法を提案する。
我々は,移動学習手法を用いたオープンソースの衛星データセットとともに,特定の都市の標高アノテーションを組み込んだ衛星画像を用いた。
我々は,テストセット内の各高さクラスに属する建物の平均精度を70%とし,境界箱mAP 59,マスクmAP 52.6に到達した。
論文 参考訳(メタデータ) (2022-12-19T07:12:49Z) - Large-scale Building Height Retrieval from Single SAR Imagery based on
Bounding Box Regression Networks [21.788338971571736]
合成開口レーダ(SAR)画像からの建物の高さの検索は,都市部において非常に重要である。
本稿では,1つのTerraSAR-Xスポットライトやストリップマップ画像から大規模都市部におけるビルの高さ検索の問題に対処する。
論文 参考訳(メタデータ) (2021-11-18T00:39:48Z) - Deep Learning Guided Building Reconstruction from Satellite
Imagery-derived Point Clouds [39.36437891978871]
衛星画像から生成された点雲からモデル再構成を構築するための信頼性が高く効果的な手法を提案する。
具体的には、複雑で騒々しい場面で建築屋根の形状を区別するために、ディープラーニングのアプローチが採用されている。
大規模都市モデル生成の一般ニーズに対処する最初の取り組みとして、開発はオープンソースソフトウェアとして展開されている。
論文 参考訳(メタデータ) (2020-05-19T05:38:06Z)
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。