論文の概要: An Automatic Approach for Generating Rich, Linked Geo-Metadata from
Historical Map Images
- arxiv url: http://arxiv.org/abs/2112.01671v1
- Date: Fri, 3 Dec 2021 01:44:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-07 04:54:04.575528
- Title: An Automatic Approach for Generating Rich, Linked Geo-Metadata from
Historical Map Images
- Title（参考訳）: 歴史地図画像からリッチリンクされたジオメタデータの自動生成手法
- Authors: Zekun Li, Yao-Yi Chiang, Sasan Tavakkol, Basel Shbita, Johannes H.
Uhl, Stefan Leyk, and Craig A. Knoblock
- Abstract要約: 本稿では,歴史地図画像の検索と索引付けの現実的問題に対処するエンド・ツー・エンドのアプローチを提案する。
我々はmapKuratorと呼ばれるシステムでこのアプローチを実装した。
- 参考スコア（独自算出の注目度）: 6.962949867017594
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Historical maps contain detailed geographic information difficult to find
elsewhere covering long-periods of time (e.g., 125 years for the historical
topographic maps in the US). However, these maps typically exist as scanned
images without searchable metadata. Existing approaches making historical maps
searchable rely on tedious manual work (including crowd-sourcing) to generate
the metadata (e.g., geolocations and keywords). Optical character recognition
(OCR) software could alleviate the required manual work, but the recognition
results are individual words instead of location phrases (e.g., "Black" and
"Mountain" vs. "Black Mountain"). This paper presents an end-to-end approach to
address the real-world problem of finding and indexing historical map images.
This approach automatically processes historical map images to extract their
text content and generates a set of metadata that is linked to large external
geospatial knowledge bases. The linked metadata in the RDF (Resource
Description Framework) format support complex queries for finding and indexing
historical maps, such as retrieving all historical maps covering mountain peaks
higher than 1,000 meters in California. We have implemented the approach in a
system called mapKurator. We have evaluated mapKurator using historical maps
from several sources with various map styles, scales, and coverage. Our results
show significant improvement over the state-of-the-art methods. The code has
been made publicly available as modules of the Kartta Labs project at
https://github.com/kartta-labs/Project.
- Abstract（参考訳）: 歴史的地図には、長期にわたる他の場所(例えば、アメリカの歴史的地形図では125年)の詳細な地理情報が含まれている。
しかし、これらの地図は通常、検索可能なメタデータなしでスキャンされた画像として存在する。
過去の地図を検索可能にする既存のアプローチは、メタデータを生成するのに面倒な手作業(クラウドソーシングを含む)に依存している。
オプティカル文字認識(OCR)ソフトウェアは、必要な手作業を軽減することができるが、認識結果は、場所のフレーズではなく個々の単語である(例えば、"Black"と"Mountain"対"Black Mountain")。
本稿では,歴史地図画像の検索と索引付けの現実問題に対するエンドツーエンドアプローチを提案する。
このアプローチは,過去の地図画像を自動的に処理してテキスト内容を抽出し,大規模な地理空間知識ベースにリンクしたメタデータセットを生成する。
RDF(Resource Description Framework)フォーマットの関連メタデータは、カリフォルニア州の1000メートルを超える山頂をカバーするすべての歴史的地図を検索しインデックス化するための複雑なクエリをサポートする。
我々はこのアプローチをmapkuratorというシステムで実装した。
我々は,地図形式,スケール,カバー範囲の異なる複数の資料から得られた歴史地図を用いて,mapkuratorを評価した。
その結果,最先端の手法よりも大幅に改善した。
コードはKartta Labsプロジェクトのモジュールとしてhttps://github.com/kartta-labs/Projectで公開されている。
関連論文リスト
- An Efficient System for Automatic Map Storytelling -- A Case Study on Historical Maps [11.037615422309296]
歴史地図は、過去の貴重な情報と知識を提供する。
しばしば非標準的な投影、手描きのスタイル、芸術的要素を特徴としているため、非専門家がそれらを識別し解釈することは困難である。
既存の画像キャプション手法は、自然画像において顕著な成功を収めており、地図上でのパフォーマンスは、事前学習過程において地図が不足しているため、最適以下である。
テキスト認識や地図キャプションにおけるGPT-4の最近の進歩にもかかわらず、地図内のテキストが欠落したり不正確になったりした場合のパフォーマンスが低下するため、地図に対する理解は限られている。
意味のある字幕のみを生成する新しい決定木アーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-10-21T08:45:26Z) - Integrating Visual and Textual Inputs for Searching Large-Scale Map Collections with CLIP [0.09208007322096533]
自然言語入力を用いて大規模地図コレクションを対話的に検索する可能性について検討する。
ケーススタディでは,議会図書館のAPIを通じて公開されている地図の572,842枚を採用。
本稿では,議会地理地図局の職員との相談で作成した検索結果について紹介する。
論文 参考訳（メタデータ） (2024-10-02T02:51:02Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - The mapKurator System: A Complete Pipeline for Extracting and Linking
Text from Historical Maps [7.209761597734092]
mapKuratorは、マシンラーニングモデルと包括的なデータ処理パイプラインを統合するエンドツーエンドシステムである。
我々はmapKuratorシステムをデプロイし、David Rumsey Historical Mapコレクションに6万以上の地図と1億以上のテキスト/場所名の処理を可能にしました。
論文 参考訳（メタデータ） (2023-06-29T16:05:40Z) - G^3: Geolocation via Guidebook Grounding [92.46774241823562]
本研究では,人間が位置情報に用いている視覚的特徴を記述した人書きガイドブックから,明示的な知識について検討する。
多様な場所からのストリートビュー画像のデータセットを用いたガイドブックグラウンディングによるジオロケーションのタスクを提案する。
提案手法は,Top-1の精度が5%以上向上し,最先端の画像のみの位置決め法よりも大幅に向上する。
論文 参考訳（メタデータ） (2022-11-28T16:34:40Z) - GAMa: Cross-view Video Geo-localization [68.33955764543465]
我々は、文脈的手がかりを提供する画像ではなく、地上ビデオに焦点を当てている。
クリップレベルでは、短いビデオクリップと対応する空中画像が一致し、後に長いビデオの動画レベルのジオローカライズを得るために使用される。
提案手法は,トップ1リコール率19.4%,45.1%@1.0マイルを達成する。
論文 参考訳（メタデータ） (2022-07-06T04:25:51Z) - Synthetic Map Generation to Provide Unlimited Training Data for
Historical Map Text Detection [5.872532529455414]
そこで本研究では,テキスト検出モデルのトレーニングのために,注釈付き歴史地図画像の無限量の自動生成手法を提案する。
我々は,現在最先端のテキスト検出モデルが,合成歴史地図の恩恵を受けることを示す。
論文 参考訳（メタデータ） (2021-12-12T00:27:03Z) - MapReader: A Computer Vision Pipeline for the Semantic Exploration of
Maps at Scale [1.5894241142512051]
我々はMapReaderを紹介します。これはPythonで書かれたフリーのオープンソースソフトウェアライブラリで、大きなマップコレクション(スキャンまたは誕生デジタル)を解析します。
MapReaderを使えば、コンピュータビジョンの専門知識がほとんど、あるいは全くないユーザが、Webサーバ経由でマップを検索できる。
MapReaderパイプラインからの出力は他の外部データセットとどのようにリンクするかを示す。
論文 参考訳（メタデータ） (2021-11-30T17:37:01Z) - HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。
実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。
高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
論文 参考訳（メタデータ） (2021-06-28T17:59:30Z) - HDNET: Exploiting HD Maps for 3D Object Detection [99.49035895393934]
高精細度(hd)マップは、現代の3dオブジェクト検出器の性能と頑健性を高める強力な事前情報を提供する。
我々はHDマップから幾何学的特徴と意味的特徴を抽出する単一ステージ検出器を設計する。
地図は至る所では利用できないため、生のLiDARデータからフライ時の地図を推定するマップ予測モジュールも提案する。
論文 参考訳（メタデータ） (2020-12-21T21:59:54Z) - OpenStreetMap: Challenges and Opportunities in Machine Learning and
Remote Sensing [66.23463054467653]
本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。
私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
論文 参考訳（メタデータ） (2020-07-13T09:58:14Z)
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。