論文の概要: Machine-learned Regularization and Polygonization of Building Segmentation Masks

• arxiv url: http://arxiv.org/abs/2007.12587v3
• Date: Thu, 17 Dec 2020 14:34:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 06:58:14.553258
• Title: Machine-learned Regularization and Polygonization of Building Segmentation Masks
• Title（参考訳）: 建物セグメンテーションマスクの機械学習規則化とポリゴン化
• Authors: Stefano Zorzi, Ksenia Bittner, Friedrich Fraundorfer
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 19.467876013953894
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a machine learning based approach for automatic regularization and polygonization of building segmentation masks. Taking an image as input, we first predict building segmentation maps exploiting generic fully convolutional network (FCN). A generative adversarial network (GAN) is then involved to perform a regularization of building boundaries to make them more realistic, i.e., having more rectilinear outlines which construct right angles if required. This is achieved through the interplay between the discriminator which gives a probability of input image being true and generator that learns from discriminator's response to create more realistic images. Finally, we train the backbone convolutional neural network (CNN) which is adapted to predict sparse outcomes corresponding to building corners out of regularized building segmentation results. Experiments on three building segmentation datasets demonstrate that the proposed method is not only capable of obtaining accurate results, but also of producing visually pleasing building outlines parameterized as polygons.
• Abstract（参考訳）: 本稿では,建物セグメンテーションマスクの自動正則化と多角化のための機械学習手法を提案する。 まずイメージを入力として,汎用的完全畳み込みネットワーク(FCN)を利用したセグメンテーションマップを構築する。 次に、生成逆ネットワーク(gan)は、より現実的になるように境界を定式化すること、つまり、必要であれば直角を構成するより直線的なアウトラインを持つことに関係している。 これは、入力画像が真である確率を与える判別器と、識別器の応答から学習してより現実的な画像を生成するジェネレータとの相互作用によって達成される。 最後に,正規化された建物セグメント化結果から,建物コーナーに対応するばらばらな結果を予測するために適応したbackbone convolutional neural network(cnn)をトレーニングする。 3つの建物セグメンテーションデータセットを用いた実験により,提案手法は正確な結果を得るだけでなく,ポリゴンとしてパラメータ化された視覚的に快適な建物概要を生成することができることを示した。

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)
• Split-and-Fit: Learning B-Reps via Structure-Aware Voronoi Partitioning [50.684254969269546]
  本稿では,3次元CADモデルのバウンダリ表現(B-Reps)を取得する新しい手法を提案する。 各パーティション内に1つのプリミティブを導出するために空間分割を適用する。 我々のネットワークはニューラルなボロノイ図でNVD-Netと呼ばれ、訓練データからCADモデルのボロノイ分割を効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2024-06-07T21:07:49Z)
• P2PFormer: A Primitive-to-polygon Method for Regular Building Contour Extraction from Remote Sensing Images [5.589842901102337]
  既存の方法は不規則な輪郭、丸い角、冗長点に悩まされている。 本稿では,ポストプロセッシングを使わずに通常の建物輪郭を生成する,新しい合理化パイプラインを提案する。 P2PFormerは、WHU、CrowdAI、WHU-Mixデータセット上で、最先端のパフォーマンスを新たに実現している。
  論文  参考訳（メタデータ） (2024-06-05T04:38:45Z)
• Exploiting Shape Cues for Weakly Supervised Semantic Segmentation [15.791415215216029]
  弱教師付きセマンティックセマンティックセグメンテーション (WSSS) は、画像レベルのラベルのみをトレーニング用として、画素単位のクラス予測を生成することを目的としている。 畳み込みニューラルネットワーク(CNN)のテクスチャバイアス特性を補うために形状情報を活用することを提案する。 我々は、クラスと色親和性の両方を考慮した新しい改良手法により、オンライン方式で予測をさらに洗練する。
  論文  参考訳（メタデータ） (2022-08-08T17:25:31Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Machine-learned 3D Building Vectorization from Satellite Imagery [7.887221474814986]
  自動3Dビルディングの再構築とベクトル化のための機械学習に基づく手法を提案する。 単チャネルフォトグラム化デジタルサーフェスモデル(DSM)とパンクロマティック画像(PAN)を入力として、まず非構築オブジェクトをフィルタリングし、形状の構築を洗練する。 改良されたDSMと入力されたPAN画像はセマンティックセグメンテーションネットワークを介して、建物の屋根の端と角を検出する。
  論文  参考訳（メタデータ） (2021-04-13T19:57:30Z)
• 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)
• Towards Efficient Scene Understanding via Squeeze Reasoning [71.1139549949694]
  我々はSqueeze Reasoningと呼ばれる新しいフレームワークを提案する。 空間地図上の情報を伝播するのではなく、まず入力特徴をチャネルワイドなグローバルベクトルに絞ることを学ぶ。 提案手法はエンドツーエンドのトレーニングブロックとしてモジュール化可能であり,既存のネットワークに簡単に接続可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-06T12:17:01Z)
• Quantization in Relative Gradient Angle Domain For Building Polygon Estimation [88.80146152060888]
  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。
  論文  参考訳（メタデータ） (2020-07-10T21:33:06Z)
• Pre-Trained Models for Heterogeneous Information Networks [57.78194356302626]
  異種情報ネットワークの特徴を捉えるための自己教師付き事前学習・微調整フレームワークPF-HINを提案する。 PF-HINは4つのデータセットにおいて、各タスクにおける最先端の代替よりも一貫して、大幅に優れています。
  論文  参考訳（メタデータ） (2020-07-07T03:36:28Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。