論文の概要: ACPV-Net: All-Class Polygonal Vectorization for Seamless Vector Map Generation from Aerial Imagery

• arxiv url: http://arxiv.org/abs/2603.16616v1
• Date: Tue, 17 Mar 2026 14:55:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.353102
• Title: ACPV-Net: All-Class Polygonal Vectorization for Seamless Vector Map Generation from Aerial Imagery
• Title（参考訳）: ACPV-Net:空中画像からのシームレスベクトルマップ生成のための全クラス多角形ベクトル化
• Authors: Weiqin Jiao, Hao Cheng, George Vosselman, Claudio Persello,
• Abstract要約: 本研究では,空中画像から完全なベクトルマップ表現を単一ランで生成する問題に対処する。 既存のポリゴン化法は通常クラス固有であり、クラス毎に複数のクラスに拡張すると、一般にトポロジカルな矛盾が生じる。 我々は、この新しいタスクをオールクラス多角ベクトル化(ACPV)として形式化し、最初の公開ベンチマークであるDeventer-512をリリースする。
• 参考スコア（独自算出の注目度）: 8.126151258513294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We tackle the problem of generating a complete vector map representation from aerial imagery in a single run: producing polygons for all land-cover classes with shared boundaries and without gaps or overlaps. Existing polygonization methods are typically class-specific; extending them to multiple classes via per-class runs commonly leads to topological inconsistencies, such as duplicated edges, gaps, and overlaps. We formalize this new task as All-Class Polygonal Vectorization (ACPV) and release the first public benchmark, Deventer-512, with standardized metrics jointly evaluating semantic fidelity, geometric accuracy, vertex efficiency, per-class topological fidelity and global topological consistency. To realize ACPV, we propose ACPV-Net, a unified framework introducing a novel Semantically Supervised Conditioning (SSC) mechanism coupling semantic perception with geometric primitive generation, along with a topological reconstruction that enforces shared-edge consistency by design. While enforcing such strict topological constraints, ACPV-Net surpasses all class-specific baselines in polygon quality across classes on Deventer-512. It also applies to single-class polygonal vectorization without any architectural modification, achieving the best-reported results on WHU-Building. Data, code, and models will be released at: https://github.com/HeinzJiao/ACPV-Net.
• Abstract（参考訳）: 本研究では,空画像から完全なベクトルマップ表現を単一ランで生成する問題に対処する: 境界が共有され,ギャップや重なりが無く,すべてのランドカバークラスに対してポリゴンを生成する。 既存のポリゴン化メソッドは通常クラス固有であり、クラス毎に複数のクラスに拡張することで、重複したエッジやギャップ、重複といったトポロジ上の不整合が生じる。 我々は、この新しいタスクをオールクラス多角ベクトル化(ACPV)として形式化し、意味的忠実度、幾何精度、頂点効率、クラスごとのトポロジ的忠実度、グローバルなトポロジ的一貫性を共同で評価する標準メトリクスであるDeventer-512をリリースする。 ACPVを実現するために,新しいセマンティック・スーパーバイザド・コンディショニング(SSC)機構を導入し,意味認識と幾何学的原始生成を結合する統合フレームワークACPV-Netと,設計による共有エッジ整合性を実現するトポロジ的再構成を提案する。 このような厳密なトポロジ的制約を課す一方で、ACPV-NetはDeventer-512のクラス間でポリゴン品質のクラス固有のベースラインをすべて超越している。 また、WHU-Buildingにおいて最も報告された結果を達成するため、アーキテクチャの変更を伴わない単クラス多角ベクトル化にも適用される。 データ、コード、モデルは、https://github.com/HeinzJiao/ACPV-Net.comでリリースされる。

関連論文リスト

• BrepGPT: Autoregressive B-rep Generation with Voronoi Half-Patch [61.20046418942948]
  境界表現(B-rep)はCADモデル表現のデファクトスタンダードである。 本稿では,B-rep生成のためのシングルステージ自動回帰フレームワークBrepGPTを提案する。
  論文  参考訳（メタデータ） (2025-11-27T07:16:53Z)
• Global Collinearity-aware Polygonizer for Polygonal Building Mapping in Remote Sensing [18.151134198549574]
  本稿では,リモートセンシング画像から多角形建物をマッピングするという課題に対処する。 これは新しいアルゴリズム、Global Collinearity-aware Polygonizer (GCP)を導入した。
  論文  参考訳（メタデータ） (2025-05-02T16:49:07Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• PolygonGNN: Representation Learning for Polygonal Geometries with Heterogeneous Visibility Graph [8.971120205703887]
  本稿では,多角形空間,特に多角形空間の表現を学習するためのフレームワークを提案する。 また、可視性グラフに固有の空間的・意味的不均一性を活かした新しいモデルであるMultipolygon-GNNを導入する。 5つの実世界および合成データセットの実験は、多角形測地に対する情報表現を捉えるマルチポリゴン-GNNの能力を実証している。
  論文  参考訳（メタデータ） (2024-06-30T16:07:49Z)
• Generalized Few-Shot Point Cloud Segmentation Via Geometric Words [54.32239996417363]
  ショットポイントクラウドセグメンテーションアルゴリズムは、ベースクラスのセグメンテーション精度を犠牲にして、新しいクラスに適応するように学習する。 一般化された数ショット点雲のセグメンテーションというより実践的なパラダイムの最初の試みを示す。 基本クラスと新規クラス間で共有される幾何学的要素を表す幾何学的単語を提案し,それらを新しい幾何学的意味表現に組み込む。
  論文  参考訳（メタデータ） (2023-09-20T11:24:33Z)
• 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)
• Towards General-Purpose Representation Learning of Polygonal Geometries [62.34832826705641]
  我々は,多角形形状を埋め込み空間に符号化できる汎用多角形符号化モデルを開発した。 1)MNISTに基づく形状分類,2)DBSR-46KとDBSR-cplx46Kという2つの新しいデータセットに基づく空間関係予測を行う。 以上の結果から,NUFTspec と ResNet1D は,既存のベースラインよりも有意なマージンで優れていた。
  論文  参考訳（メタデータ） (2022-09-29T15:59:23Z)
• Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
  顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。 具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。 提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-28T02:12:30Z)
• PolyWorld: Polygonal Building Extraction with Graph Neural Networks in Satellite Images [10.661430927191205]
  本稿では、画像から直接建物頂点を抽出し、それらを正しく接続して正確なポリゴンを生成するニューラルネットワークであるPolyWorldを紹介する。 PolyWorldは、ポリゴン化の構築における最先端を著しく上回る。
  論文  参考訳（メタデータ） (2021-11-30T15:23:17Z)

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。