論文の概要: BuildMapper: A Fully Learnable Framework for Vectorized Building Contour
Extraction
- arxiv url: http://arxiv.org/abs/2211.03373v1
- Date: Mon, 7 Nov 2022 08:58:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 17:31:04.329803
- Title: BuildMapper: A Fully Learnable Framework for Vectorized Building Contour
Extraction
- Title（参考訳）: buildmapper - ベクタライズドビル輪郭抽出のための完全学習可能なフレームワーク
- Authors: Shiqing Wei, Tao Zhang, Shunping Ji, Muying Luo, Jianya Gong
- Abstract要約: 我々はBuildMapperという,エンドツーエンドで学習可能な最初のコントラスト抽出フレームワークを提案する。
BuildMapperは、人間がするのと同じように、直接かつ効率的にポリゴンを構築することができる。
マスク平均精度(AP)とバウンダリAPはセグメンテーションベースと輪郭ベースの両方の手法よりも高い結果が得られることを示す。
- 参考スコア（独自算出の注目度）: 3.862461804734488
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning based methods have significantly boosted the study of automatic
building extraction from remote sensing images. However, delineating vectorized
and regular building contours like a human does remains very challenging, due
to the difficulty of the methodology, the diversity of building structures, and
the imperfect imaging conditions. In this paper, we propose the first
end-to-end learnable building contour extraction framework, named BuildMapper,
which can directly and efficiently delineate building polygons just as a human
does. BuildMapper consists of two main components: 1) a contour initialization
module that generates initial building contours; and 2) a contour evolution
module that performs both contour vertex deformation and reduction, which
removes the need for complex empirical post-processing used in existing
methods. In both components, we provide new ideas, including a learnable
contour initialization method to replace the empirical methods, dynamic
predicted and ground truth vertex pairing for the static vertex correspondence
problem, and a lightweight encoder for vertex information extraction and
aggregation, which benefit a general contour-based method; and a well-designed
vertex classification head for building corner vertices detection, which casts
light on direct structured building contour extraction. We also built a
suitable large-scale building dataset, the WHU-Mix (vector) building dataset,
to benefit the study of contour-based building extraction methods. The
extensive experiments conducted on the WHU-Mix (vector) dataset, the WHU
dataset, and the CrowdAI dataset verified that BuildMapper can achieve a
state-of-the-art performance, with a higher mask average precision (AP) and
boundary AP than both segmentation-based and contour-based methods.
- Abstract（参考訳）: 深層学習に基づく手法は,リモートセンシング画像からの建物自動抽出の研究を著しく促進している。
しかし,この手法の難しさ,建築構造物の多様性,不完全な撮像条件などの理由から,ベクタ化および正規建築輪郭の配置はいまだに困難である。
本稿では,人間と同じように多角形を直接的かつ効率的に記述できるBuildMapperという,エンドツーエンドで学習可能な最初の構造パターン抽出フレームワークを提案する。
BuildMapperは2つの主要コンポーネントから構成される。
1)初期建物輪郭を生成する輪郭初期化モジュール,及び
2) 輪郭頂点変形と縮小を両立させる輪郭進化モジュールであって, 既存の方法による複雑な後処理の必要性を解消する。
In both components, we provide new ideas, including a learnable contour initialization method to replace the empirical methods, dynamic predicted and ground truth vertex pairing for the static vertex correspondence problem, and a lightweight encoder for vertex information extraction and aggregation, which benefit a general contour-based method; and a well-designed vertex classification head for building corner vertices detection, which casts light on direct structured building contour extraction.
また,輪郭構造抽出手法の研究に役立てるために,大規模建築データセットであるWHU-Mix構築データセットを構築した。
whu-mix(vector)データセット、whuデータセット、およびcrowdaiデータセットで行った広範な実験により、buildmapperはセグメンテーションベースと輪郭ベースの両方の方法よりも高いマスク平均精度(ap)と境界 apで最先端のパフォーマンスを達成できることが確認された。
関連論文リスト
- RoIPoly: Vectorized Building Outline Extraction Using Vertex and Logit Embeddings [5.093758132026397]
航空画像や衛星画像から建物概要を抽出する新しいクエリベースの手法を提案する。
クエリとして各ポリゴンを定式化し、潜在的ビルディングの最も関連性の高い領域に対してクエリの注意を拘束する。
本手法は,2次元フロアプラン再構築データセットであるStructured3Dを用いて,ベクトル化建物アウトライン抽出データセット(CrowdAI)と2次元フロアプラン再構築データセット(Structured3D)について評価する。
論文 参考訳（メタデータ） (2024-07-20T16:12:51Z) - 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) - HiT: Building Mapping with Hierarchical Transformers [43.31497052507252]
階層変換器を用いた簡易かつ斬新な建物マッピング手法HiTを提案する。
HiTは、分類とバウンディングボックス回帰ヘッドに平行なポリゴンヘッドを追加することによって、2段階検出アーキテクチャの上に構築される。
本手法は, 最先端手法と比較して, 事例分割と多角形メトリクスの両面において, 新たな最先端化を実現している。
論文 参考訳（メタデータ） (2023-09-18T10:24:25Z) - BiSVP: Building Footprint Extraction via Bidirectional Serialized Vertex
Prediction [43.61580149432732]
BiSVPは、改良のないエンドツーエンドの建築フットプリント抽出手法である。
本稿では,高解像度でリッチなセマンティックな特徴学習を実現するために,CSFFモジュールを提案する。
当社のBiSVPは,3つのビルディングインスタンスセグメンテーションベンチマークにおいて,最先端の手法よりもかなり優れている。
論文 参考訳（メタデータ） (2023-03-01T07:50:34Z) - 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) - Learning Local Displacements for Point Cloud Completion [93.54286830844134]
本稿では,3次元点雲として表現された部分的スキャンからオブジェクトとセマンティックシーンを補完する手法を提案する。
アーキテクチャはエンコーダ-デコーダ構造内で連続的に使用される3つの新しいレイヤに依存している。
オブジェクトと屋内の両方のシーン完了タスクにおけるアーキテクチャの評価を行い、最先端の性能を実現する。
論文 参考訳（メタデータ） (2022-03-30T18:31:37Z) - Voxel-based Network for Shape Completion by Leveraging Edge Generation [76.23436070605348]
エッジ生成(VE-PCN)を利用した点雲補完のためのボクセルネットワークを開発した。
まず点雲を正規のボクセル格子に埋め込み、幻覚した形状のエッジの助けを借りて完全な物体を生成する。
この分離されたアーキテクチャとマルチスケールのグリッド機能学習は、より現実的な表面上の詳細を生成することができる。
論文 参考訳（メタデータ） (2021-08-23T05:10:29Z) - SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine
Reconstruction with Self-Projection Optimization [52.20602782690776]
実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。
本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。
本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
論文 参考訳（メタデータ） (2020-12-08T14:14:09Z) - Cascaded Refinement Network for Point Cloud Completion with
Self-supervision [74.80746431691938]
形状整形のための2分岐ネットワークを提案する。
第1分枝は、完全なオブジェクトを合成するためのカスケード形状補完サブネットワークである。
第2のブランチは、元の部分入力を再構築する自動エンコーダである。
論文 参考訳（メタデータ） (2020-10-17T04:56:22Z) - Unsupervised Learning of Intrinsic Structural Representation Points [50.92621061405056]
3次元形状の学習構造は、コンピュータグラフィックスと幾何学処理の分野における根本的な問題である。
本稿では,3次元構造点の形で新しい構造表現を学習するための簡易かつ解釈不能な手法を提案する。
論文 参考訳（メタデータ） (2020-03-03T17:40:00Z) - Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。
パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。
適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
論文 参考訳（メタデータ） (2020-03-03T15:20:57Z)
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。