論文の概要: Quantization in Relative Gradient Angle Domain For Building Polygon Estimation

• arxiv url: http://arxiv.org/abs/2007.05617v1
• Date: Fri, 10 Jul 2020 21:33:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 22:17:40.165674
• Title: Quantization in Relative Gradient Angle Domain For Building Polygon Estimation
• Title（参考訳）: ポリゴン推定のための相対勾配角領域の量子化
• Authors: Yuhao Chen and Yifan Wu and Linlin Xu and Alexander Wong
• Abstract要約: CNNアプローチは、しばしばノイズの多いエッジや丸いコーナーを含む不正確な建築形態を生成する。 CNNセグメンテーション出力から角状かつ簡潔なビルディングポリゴンを生成するために,ビルディングコーナーの事前知識を利用するモジュールを提案する。 提案手法は, 円形近似によるCNN出力を, より鮮明な形状の建物足跡に改良することを示した。
• 参考スコア（独自算出の注目度）: 88.80146152060888
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building footprint extraction in remote sensing data benefits many important applications, such as urban planning and population estimation. Recently, rapid development of Convolutional Neural Networks (CNNs) and open-sourced high resolution satellite building image datasets have pushed the performance boundary further for automated building extractions. However, CNN approaches often generate imprecise building morphologies including noisy edges and round corners. In this paper, we leverage the performance of CNNs, and propose a module that uses prior knowledge of building corners to create angular and concise building polygons from CNN segmentation outputs. We describe a new transform, Relative Gradient Angle Transform (RGA Transform) that converts object contours from time vs. space to time vs. angle. We propose a new shape descriptor, Boundary Orientation Relation Set (BORS), to describe angle relationship between edges in RGA domain, such as orthogonality and parallelism. Finally, we develop an energy minimization framework that makes use of the angle relationship in BORS to straighten edges and reconstruct sharp corners, and the resulting corners create a polygon. Experimental results demonstrate that our method refines CNN output from a rounded approximation to a more clear-cut angular shape of the building footprint.
• Abstract（参考訳）: リモートセンシングデータにおけるビルのフットプリント抽出は、都市計画や人口推定など、多くの重要な応用に役立つ。 近年,CNN(Convolutional Neural Networks)とオープンソースの高解像度衛星構築画像データセットの急速な開発が,自動ビルディング抽出のためのパフォーマンス境界をさらに推し進めている。 しかし、CNNアプローチは、しばしばノイズの多いエッジや丸いコーナーを含む不正確な建築形態を生成する。 本稿では,CNNの性能を活用し,CNNセグメンテーション出力から角状かつ簡潔なビルディングポリゴンを生成するために,ビルディングコーナーの事前知識を利用するモジュールを提案する。 本稿では、時間対空間から時間対角への物体の輪郭変換を行うRGA変換(Relative Gradient Angle Transform)について述べる。 直交性や並列性などのRGA領域におけるエッジ間の角度関係を記述するために,新しい形状記述子BORS(Boundary Orientation Relation Set)を提案する。 最後に,ホウの角度関係を利用してエッジをストレート化し,鋭角を再構成するエネルギー最小化フレームワークを開発し,その結果得られる角が多角形を形成する。 実験の結果,cnn出力を丸い近似値から,建物足跡のより明瞭な角形状に洗練できることが判明した。

関連論文リスト

• Enhancing Polygonal Building Segmentation via Oriented Corners [0.3749861135832072]
  本稿では,入力画像から直接ポリゴンを抽出する,OriCornerNetという新しいディープ畳み込みニューラルネットワークを提案する。 我々のアプローチは、隣接する角への方向を示すフットプリントマスク、コーナー、配向ベクトルを予測できる深いモデルを含む。 SpaceNet VegasとCrowdAIの小さなデータセットで行った性能評価は、我々のアプローチの競争力を示すものである。
  論文  参考訳（メタデータ） (2024-07-17T01:59:06Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• CornerFormer: Boosting Corner Representation for Fine-Grained Structured Reconstruction [20.04081992616026]
  構造復元のための改良されたコーナー表現法を提案する。 隣接する角や小さな縁など、きめ細かい構造を再構築する方がよい。 コーナーでは+1.9%@F-1、エッジでは+3.0%@F-1である。
  論文  参考訳（メタデータ） (2023-04-14T11:51:26Z)
• RecRecNet: Rectangling Rectified Wide-Angle Images by Thin-Plate Spline Model and DoF-based Curriculum Learning [62.86400614141706]
  我々はRecRecNet(Rectangling Rectification Network)という新しい学習モデルを提案する。 我々のモデルは、ソース構造をターゲット領域に柔軟にワープし、エンドツーエンドの非教師なし変形を実現する。 実験により, 定量評価と定性評価の両面において, 比較法よりも解法の方が優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-04T15:12:57Z)
• PolyBuilding: Polygon Transformer for End-to-End Building Extraction [9.196604757138825]
  PolyBuildingはリモートセンシング画像から建物のベクトル表現を予測する。 モデルはそれらの関係を学習し、画像からコンテキスト情報を符号化し、構築ポリゴンの最終セットを予測する。 また、ピクセルレベルのカバレッジ、インスタンスレベルの精度とリコール、幾何学レベルの特性など、新たな最先端性を実現している。
  論文  参考訳（メタデータ） (2022-11-03T04:53:17Z)
• Towards General-Purpose Representation Learning of Polygonal Geometries [62.34832826705641]
  我々は,多角形形状を埋め込み空間に符号化できる汎用多角形符号化モデルを開発した。 1)MNISTに基づく形状分類,2)DBSR-46KとDBSR-cplx46Kという2つの新しいデータセットに基づく空間関係予測を行う。 以上の結果から,NUFTspec と ResNet1D は,既存のベースラインよりも有意なマージンで優れていた。
  論文  参考訳（メタデータ） (2022-09-29T15:59:23Z)
• Light Field Reconstruction Using Convolutional Network on EPI and Extended Applications [78.63280020581662]
  スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。 最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
  論文  参考訳（メタデータ） (2021-03-24T08:16:32Z)
• Adversarial Shape Learning for Building Extraction in VHR Remote Sensing Images [18.650642666164252]
  建物の形状パターンをモデル化する対比形状学習ネットワーク(ASLNet)を提案する。 実験の結果,提案したASLNetは画素ベース精度とオブジェクトベース測定の両方を大きなマージンで改善することがわかった。
  論文  参考訳（メタデータ） (2021-02-22T18:49:43Z)
• Machine-learned Regularization and Polygonization of Building Segmentation Masks [19.467876013953894]
  本稿では,建物セグメンテーションマスクの自動正規化と多角化のための機械学習に基づくアプローチを提案する。 画像を入力として、汎用的完全畳み込みネットワーク(FCN)を利用した分割マップの構築を最初に予測する。 生成的敵ネットワーク(GAN)は、それらをより現実的にするために、建築境界の正規化を行う。
  論文  参考訳（メタデータ） (2020-07-24T15:38:35Z)
• Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
  本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。 これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2020-02-11T14:04:56Z)

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。