Fugu-MT 論文翻訳(概要): HPix: Generating Vector Maps from Satellite Images

論文の概要: HPix: Generating Vector Maps from Satellite Images

arxiv url: http://arxiv.org/abs/2407.13680v1
Date: Thu, 18 Jul 2024 16:54:02 GMT
ステータス: 処理完了
システム内更新日: 2024-07-19 14:31:41.203291
Title: HPix: Generating Vector Maps from Satellite Images
Title（参考訳）: HPix:衛星画像からベクトルマップを生成する
Authors: Aditya Taparia, Keshab Nath,
Abstract要約: 衛星画像からベクトルタイルマップを生成するためにGAN(Generative Adversarial Networks)を改良したHPixと呼ばれる新しい手法を提案する。経験的評価を通じて,提案手法は高精度かつ視覚的に表現可能なベクトルタイルマップを作成する上での有効性を示す。さらに、道路交差点のマッピングや、その面積に基づいたフットプリントクラスタの構築など、我々の研究の応用を拡大する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Vector maps find widespread utility across diverse domains due to their capacity to not only store but also represent discrete data boundaries such as building footprints, disaster impact analysis, digitization, urban planning, location points, transport links, and more. Although extensive research exists on identifying building footprints and road types from satellite imagery, the generation of vector maps from such imagery remains an area with limited exploration. Furthermore, conventional map generation techniques rely on labor-intensive manual feature extraction or rule-based approaches, which impose inherent limitations. To surmount these limitations, we propose a novel method called HPix, which utilizes modified Generative Adversarial Networks (GANs) to generate vector tile map from satellite images. HPix incorporates two hierarchical frameworks: one operating at the global level and the other at the local level, resulting in a comprehensive model. Through empirical evaluations, our proposed approach showcases its effectiveness in producing highly accurate and visually captivating vector tile maps derived from satellite images. We further extend our study's application to include mapping of road intersections and building footprints cluster based on their area.
Abstract（参考訳）: ベクトルマップは、蓄積するだけでなく、建物のフットプリント、災害影響分析、デジタル化、都市計画、ロケーションポイント、交通リンクなど、個々のデータ境界を表現しているため、多様な領域にまたがる幅広いユーティリティを見出す。衛星画像から建物の足跡や道路タイプを特定するための広範な研究は存在するが、そのような画像からベクトルマップを生成することは、限られた探索領域のままである。さらに、従来の地図生成技術は、労働集約的な手動特徴抽出やルールに基づくアプローチに依存しており、固有の制限を課している。これらの制約を克服するため、衛星画像からベクトルタイルマップを生成するためにGAN(Generative Adversarial Networks)を改良したHPixと呼ばれる新しい手法を提案する。 HPixには,グローバルレベルで運用するフレームワークと,ローカルレベルで運用するフレームワークの2つが組み込まれている。実験により,衛星画像から得られたベクトルタイルマップを高精度かつ視覚的に捕食する手法の有効性を示した。さらに、道路交差点のマッピングや、その面積に基づいたフットプリントクラスタの構築など、我々の研究の応用を拡大する。

関連論文リスト

TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
論文参考訳（メタデータ） (2024-11-22T06:13:42Z)
Cross Pseudo Supervision Framework for Sparsely Labelled Geospatial Images [0.0]
土地利用土地被覆(LULC)マッピングは、都市と資源計画にとって重要なツールである。本研究では,高解像度衛星画像を用いたLULC予測のための半教師付きセグメンテーションモデルを提案する。粗いラベル付きデータに基づいて画像分割モデルをトレーニングするクロス擬似スーパービジョンフレームワークを提案する。
論文参考訳（メタデータ） (2024-08-05T11:14:23Z)
Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
論文参考訳（メタデータ） (2024-03-11T18:09:50Z)
Online Map Vectorization for Autonomous Driving: A Rasterization Perspective [58.71769343511168]
より優れた感度を有し,現実の自律運転シナリオに適した,新化に基づく評価指標を提案する。また、精度の高い出力に微分可能化を適用し、HDマップの幾何学的監視を行う新しいフレームワークであるMapVR(Map Vectorization via Rasterization)を提案する。
論文参考訳（メタデータ） (2023-06-18T08:51:14Z)
GAN-Based Content Generation of Maps for Strategy Games [0.0]
本稿では,GAN(Generative Adversarial Networks)に基づく地図生成モデルを提案する。実装では、ハイトマップのデータセット上で、GANベースのネットワークのさまざまな変種をテストした。
論文参考訳（メタデータ） (2023-01-07T15:24:25Z)
Deep residential representations: Using unsupervised learning to unlock elevation data for geo-demographic prediction [0.0]
LiDAR技術は、都市景観と農村景観の詳細な3次元標高マップを提供するために利用することができる。現在まで、空中LiDAR画像は、主に環境と考古学の領域に限られている。我々は、このデータの適合性は、独自のだけでなく、人口統計学的特徴と組み合わせたデータの源でもあると考え、埋め込みの現実的なユースケースを提供する。
論文参考訳（メタデータ） (2021-12-02T17:10:52Z)
Hex2vec -- Context-Aware Embedding H3 Hexagons with OpenStreetMap Tags [9.743315439284407]
都市機能と土地利用に関する地域ベクトル表現をマイクロエリアグリッドで学習するための最初のアプローチを提案する。土地利用, 建築, 都市域の機能, 水の種類, 緑その他の自然地域の主な特徴に関連するOpenStreetMapタグのサブセットを同定する。結果として得られるベクトル表現は、ベクトルベースの言語モデルに見られるものと同様、地図特性のセマンティック構造を示す。
論文参考訳（メタデータ） (2021-11-01T14:22:53Z)
CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文参考訳（メタデータ） (2021-06-20T08:20:56Z)
Learning Lane Graph Representations for Motion Forecasting [92.88572392790623]
生の地図データからレーングラフを構築し,地図構造を保存する。我々は,アクター・トゥ・レーン,レーン・トゥ・レーン,レーン・トゥ・アクター,アクター・トゥ・アクターの4種類のインタラクションからなる融合ネットワークを利用する。提案手法は,大規模Argoverse運動予測ベンチマークにおいて,最先端の手法を著しく上回っている。
論文参考訳（メタデータ） (2020-07-27T17:59:49Z)
Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文参考訳（メタデータ） (2020-06-09T12:35:55Z)
SMAPGAN: Generative Adversarial Network Based Semi-Supervised Styled Map Tiles Generating Method [0.0]
Google MapやBaidu Mapといったインターネット上で広く使われている従来のオンラインマップタイルは、ベクトルデータからレンダリングされる。本稿では,SMAPGANモデルに基づくスタイル付き地図タイルの半教師付き生成を提案する。実験結果から,SMAPGANは平均二乗誤差,構造類似度指数,ESSIに基づいて,最先端のSOTA(State-of-the-art)よりも優れていた。
論文参考訳（メタデータ） (2020-01-21T04:13:21Z)

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。