論文の概要: Transformer Based Building Boundary Reconstruction using Attraction Field Maps

• arxiv url: http://arxiv.org/abs/2507.17038v1
• Date: Tue, 22 Jul 2025 21:53:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:14.784496
• Title: Transformer Based Building Boundary Reconstruction using Attraction Field Maps
• Title（参考訳）: アトラクションフィールドマップを用いた変圧器による建物境界再構築
• Authors: Muhammad Kamran, Mohammad Moein Sheikholeslami, Andreas Wichmann, Gunho Sohn,
• Abstract要約: 本稿では,グラフ畳み込みネットワーク(GCN)を利用した新たな深層学習手法を提案する。 当社のモデルであるDecoupled-PolyGCNは、APの6%、ARの10%で既存の手法より優れており、正確で規則化された建物のフットプリントを提供する能力を示している。
• 参考スコア（独自算出の注目度）: 0.3749861135832072
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the number of remote satellites orbiting the Earth has grown significantly, streaming vast amounts of high-resolution visual data to support diverse applications across civil, public, and military domains. Among these applications, the generation and updating of spatial maps of the built environment have become critical due to the extensive coverage and detailed imagery provided by satellites. However, reconstructing spatial maps from satellite imagery is a complex computer vision task, requiring the creation of high-level object representations, such as primitives, to accurately capture the built environment. While the past decade has witnessed remarkable advancements in object detection and representation using visual data, primitives-based object representation remains a persistent challenge in computer vision. Consequently, high-quality spatial maps often rely on labor-intensive and manual processes. This paper introduces a novel deep learning methodology leveraging Graph Convolutional Networks (GCNs) to address these challenges in building footprint reconstruction. The proposed approach enhances performance by incorporating geometric regularity into building boundaries, integrating multi-scale and multi-resolution features, and embedding Attraction Field Maps into the network. These innovations provide a scalable and precise solution for automated building footprint extraction from a single satellite image, paving the way for impactful applications in urban planning, disaster management, and large-scale spatial analysis. Our model, Decoupled-PolyGCN, outperforms existing methods by 6% in AP and 10% in AR, demonstrating its ability to deliver accurate and regularized building footprints across diverse and challenging scenarios.
• Abstract（参考訳）: 近年、地球を周回する遠隔衛星の数は大幅に増加しており、民間、公共、軍事領域にまたがる多様な用途をサポートするために大量の高解像度の視覚データをストリーミングしている。 これらのアプリケーションの中で、衛星によって提供される広範囲のカバレッジと詳細な画像のために、構築された環境の空間マップの生成と更新が重要になっている。 しかし、衛星画像から空間マップを再構成することは複雑なコンピュータビジョンタスクであり、構築された環境を正確に捉えるためにはプリミティブのような高レベルなオブジェクト表現を作成する必要がある。 過去10年間、視覚データを用いたオブジェクト検出と表現の顕著な進歩が見られたが、プリミティブベースのオブジェクト表現はコンピュータビジョンにおける永続的な課題である。 その結果、高品質な空間地図はしばしば労働集約的かつ手動のプロセスに依存している。 本稿では,グラフ畳み込みネットワーク(GCN)を利用した新たな深層学習手法を提案する。 提案手法は,構造境界に幾何学的規則性を導入し,マルチスケールとマルチ解像度の機能を統合し,アトラクションフィールドマップをネットワークに組み込むことにより,性能を向上させる。 これらのイノベーションは、単一の衛星画像から自動化された建物のフットプリントを抽出するためのスケーラブルで正確なソリューションを提供し、都市計画、災害管理、大規模空間分析における影響の高い応用の道を開く。 当社のモデルであるDecoupled-PolyGCNは、APの6%、ARの10%で既存のメソッドを上回り、さまざまな、困難なシナリオにまたがって、正確で規則化されたビルディングフットプリントを提供する能力を示しています。

関連論文リスト

• On the use of Graphs for Satellite Image Time Series [3.2623791881739033]
  本稿では,遠隔センシングにおけるグラフベース手法の統合について検討する。 SITS分析に取り組むために,汎用的なグラフベースのパイプラインを提案することを目的としている。 本論文は,土地被覆マッピングと水量予測データセットに対するグラフベースのアプローチの可能性を明らかにするための,レビューと2つのケーススタディを含む。
  論文  参考訳（メタデータ） (2025-05-22T13:53:36Z)
• Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
  都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。 複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。 低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-21T03:57:10Z)
• AerialMegaDepth: Learning Aerial-Ground Reconstruction and View Synthesis [57.249817395828174]
  本研究では,3次元都市規模のメッシュからの擬似合成レンダリングと,実地レベルでのクラウドソース画像を組み合わせたスケーラブルなフレームワークを提案する。 擬似合成データは、幅広い空中視点をシミュレートする一方、実際のクラウドソース画像は、地上レベルの画像の視覚的忠実度を改善するのに役立つ。 このハイブリッドデータセットを使用して、いくつかの最先端のアルゴリズムを微調整し、実世界のゼロショット地上作業において大幅な改善を実現する。
  論文  参考訳（メタデータ） (2025-04-17T17:57:05Z)
• Can Location Embeddings Enhance Super-Resolution of Satellite Imagery? [2.3020018305241337]
  センチネル2のような公共に利用可能な衛星画像は、リモートセンシングタスクの正確な分析に必要な空間解像度を欠いていることが多い。 位置情報の埋め込みを通じて地理的コンテキストを組み込むことで一般化を促進する新しい超解像フレームワークを提案する。 本研究では,建築セグメント化作業における手法の有効性を実証し,最先端の手法よりも大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2025-01-27T08:16:54Z)
• AerialGo: Walking-through City View Generation from Aerial Perspectives [48.53976414257845]
  AerialGoは、空中画像からリアルな街並みを生成するフレームワークである。 AerialGoは、アクセス可能な航空データに地上視合成を条件付けすることで、地上レベルの画像に固有のプライバシーリスクを回避できる。 実験により、AerialGoは地上レベルのリアリズムと構造的コヒーレンスを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-11-29T08:14:07Z)
• 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)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• Tracking Urbanization in Developing Regions with Remote Sensing Spatial-Temporal Super-Resolution [82.50301442891602]
  本稿では,高分解能画像と高分解能画像の時系列を併用したパイプラインを提案する。 提案手法は, 単一画像超解像を用いたベースラインと比較して, 大幅な改善を実現している。
  論文  参考訳（メタデータ） (2022-04-04T17:21:20Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)
• Weakly Supervised Domain Adaptation for Built-up Region Segmentation in Aerial and Satellite Imagery [3.8508264614798517]
  環境に対する人間の影響,公共政策の影響,一般都市人口分析を理解する上で,構築された地域推定は重要な要素である。 航空や衛星画像の多様性と、この多様性をカバーするラベル付きデータの欠如により、機械学習アルゴリズムの一般化が困難になる。 本稿では,衛星画像と空中画像の課題に対処する新しい領域適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-05T10:05:01Z)
• Boundary Regularized Building Footprint Extraction From Satellite Images Using Deep Neural Network [6.371173732947292]
  本稿では,1つの衛星画像から構築事例を共同で検出し,ノイズの多い建物の境界形状を規則化する,新しいディープニューラルネットワークを提案する。 本モデルでは,オブジェクトの局所化,認識,セマンティックラベリング,幾何学的形状抽出を同時に行うことができる。
  論文  参考訳（メタデータ） (2020-06-23T17:24:09Z)

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。