Fugu-MT 論文翻訳(概要): Generalizable Multiscale Segmentation of Heterogeneous Map Collections

論文の概要: Generalizable Multiscale Segmentation of Heterogeneous Map Collections

arxiv url: http://arxiv.org/abs/2603.05037v1
Date: Thu, 05 Mar 2026 10:40:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-06 22:06:11.186908
Title: Generalizable Multiscale Segmentation of Heterogeneous Map Collections
Title（参考訳）: 不均一マップコレクションの一般化可能なマルチスケールセグメンテーション
Authors: Remi Petitpierre,
Abstract要約: 歴史的地図コレクションは、スタイル、スケール、地理的に非常に多様である。地図認識におけるほとんどの研究は、同種地図シリーズに合わせた専門モデルに焦点を当てている。さまざまな過去の地図文書を反映した1,439の注釈付きパッチからなる新しいオープンベンチマークデータセットであるSemapを紹介した。本稿では,手続き型データ合成とマルチスケール統合を組み合わせたセグメンテーションフレームワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Historical map collections are highly diverse in style, scale, and geographic focus, often consisting of many single-sheet documents. Yet most work in map recognition focuses on specialist models tailored to homogeneous map series. In contrast, this article aims to develop generalizable semantic segmentation models and ontology. First, we introduce Semap, a new open benchmark dataset comprising 1,439 manually annotated patches designed to reflect the variety of historical map documents. Second, we present a segmentation framework that combines procedural data synthesis with multiscale integration to improve robustness and transferability. This framework achieves state-of-the-art performance on both the HCMSSD and Semap datasets, showing that a diversity-driven approach to map recognition is not only viable but also beneficial. The results indicate that segmentation performance remains largely stable across map collections, scales, geographic regions, and publication contexts. By proposing benchmark datasets and methods for the generic segmentation of historical maps, this work opens the way to integrating the long tail of cartographic archives to historical geographic studies.
Abstract（参考訳）: 歴史的地図コレクションは、スタイル、スケール、地理的に非常に多様であり、多くの場合、多くのシングルシートの文書で構成されている。しかし、地図認識におけるほとんどの研究は、同質写像級数に合わせた専門的なモデルに焦点を当てている。対照的に、この記事では、一般化可能なセマンティックセグメンテーションモデルとオントロジーを開発することを目的としている。まず,様々な過去の地図文書を反映した1,439の注釈付きパッチからなる新しいオープンベンチマークデータセットであるSemapを紹介する。次に、手続き型データ合成とマルチスケール統合を組み合わせたセグメンテーションフレームワークを提案し、ロバスト性と転送性を向上させる。このフレームワークは、HCMSSDとSemapの両方のデータセットで最先端のパフォーマンスを実現し、多様性駆動のマップ認識アプローチが実現可能であるだけでなく、有用であることを示す。その結果, セグメンテーション性能は, 地図コレクション, スケール, 地理的領域, 出版状況など, ほぼ安定していることがわかった。歴史地図の総合的区分化のためのベンチマークデータセットと手法を提案することにより、地図アーカイブの長い尾を歴史的地理研究に統合する道を開くことができる。

関連論文リスト

MapSAM2: Adapting SAM2 for Automatic Segmentation of Historical Map Images and Time Series [20.190148795374153]
歴史的地図画像と時系列の両方を自動的に分割する統合フレームワークであるMapSAM2を提案する。画像の場合、タイルの集合をビデオとして処理し、メモリアテンション機構により、同様のタイルからコンテキストキューを組み込むことができる。時系列に関して、アノテーションコストを低減するため、アノテーション付きSiegfried Building Time Seriesデータセットを導入します。
論文参考訳（メタデータ） (2025-10-31T15:25:40Z)
Semantic Segmentation for Sequential Historical Maps by Learning from Only One Map [0.4915744683251151]
深層学習に基づくセマンティックセグメンテーションを用いたデジタル化の自動化手法を提案する。このプロセスにおける重要な課題は、ディープニューラルネットワークのトレーニングに必要な地味なアノテーションの欠如である。モデル微調整のための弱教師付き年齢追跡戦略を導入する。
論文参考訳（メタデータ） (2025-01-03T14:55:22Z)
MapExplorer: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
低次元の可視化や「投影マップ」は大規模で複雑なデータセットの解釈に広く用いられている。これらの視覚化は、既存の知識空間を理解するのに役立つだけでなく、未知の領域への探索を暗黙的にガイドする。プロジェクションマップ内の座標をコヒーレントでコンテキストに整合したテキストコンテンツに変換する新しい知識発見タスクであるMapExplorerを紹介する。
論文参考訳（メタデータ） (2024-12-24T20:16:13Z)
Self-supervised Video Instance Segmentation Can Boost Geographic Entity Alignment in Historical Maps [16.35356981558991]
ビデオ・インスタンス・セグメンテーション(VIS)を用いた歴史的地図における地理的実体のセグメンテーションとアソシエーションを組み合わせた新しいアプローチを提案する。この課題を軽減するために,歴史地図上でのVIS性能を向上させる自己教師付き学習(SSL)技術について検討する。
論文参考訳（メタデータ） (2024-11-26T13:31:51Z)
MGMapNet: Multi-Granularity Representation Learning for End-to-End Vectorized HD Map Construction [75.93907511203317]
多粒性表現を持つ地図要素をモデル化するためのMGMapNet(Multi-Granularity Map Network)を提案する。提案したMGMapNetは最先端のパフォーマンスを達成し,MapTRv2 を nuScenes で 5.3 mAP,Argoverse2 で 4.4 mAP で上回った。
論文参考訳（メタデータ） (2024-10-10T09:05:23Z)
Diffusion Models as Data Mining Tools [87.77999285241219]
本稿では、画像合成のために訓練された生成モデルを視覚データマイニングのツールとして利用する方法について述べる。特定のデータセットから画像を合成するために条件拡散モデルを微調整した後、これらのモデルを用いて典型性尺度を定義することができることを示す。この尺度は、地理的位置、タイムスタンプ、セマンティックラベル、さらには病気の存在など、異なるデータラベルに対する典型的な視覚的要素がどのように存在するかを評価する。
論文参考訳（メタデータ） (2024-07-20T17:14:31Z)
DiffMap: Enhancing Map Segmentation with Map Prior Using Diffusion Model [15.803614800117781]
DiffMapは,マップセグメンテーションマスクの構造をモデル化する新しい手法である。この手法を取り入れることで,既存のセマンティックセグメンテーション手法の性能を大幅に向上させることができる。本モデルは,実世界の地図レイアウトをより正確に反映した結果を生成する上で,優れた習熟度を示す。
論文参考訳（メタデータ） (2024-05-03T11:16:27Z)
Auxiliary Tasks Enhanced Dual-affinity Learning for Weakly Supervised Semantic Segmentation [79.05949524349005]
AuxSegNet+は、サリエンシマップから豊富な情報を探索する弱教師付き補助学習フレームワークである。また,サリエンシとセグメンテーションの特徴マップから画素レベルの親和性を学習するためのクロスタスク親和性学習機構を提案する。
論文参考訳（メタデータ） (2024-03-02T10:03:21Z)
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)
CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
論文参考訳（メタデータ） (2023-06-07T10:02:29Z)
Scaling up Multi-domain Semantic Segmentation with Sentence Embeddings [81.09026586111811]
ゼロショット設定に適用した場合、最先端の教師付き性能を実現するセマンティックセマンティックセマンティクスへのアプローチを提案する。これは各クラスラベルを、クラスを記述する短い段落のベクトル値の埋め込みに置き換えることによって達成される。結果として得られた200万以上の画像の統合セマンティックセグメンテーションデータセットは、7つのベンチマークデータセット上の最先端の教師付きメソッドと同等のパフォーマンスを達成するモデルをトレーニングすることができる。
論文参考訳（メタデータ） (2022-02-04T07:19:09Z)

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。