論文の概要: Joint Instance Segmentation and Geometric Attribute Regression for Roof Structures in Aerial Imagery

• arxiv url: http://arxiv.org/abs/2605.26370v1
• Date: Mon, 25 May 2026 22:37:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.492769
• Title: Joint Instance Segmentation and Geometric Attribute Regression for Roof Structures in Aerial Imagery
• Title（参考訳）: 空中画像におけるルーフ構造の連関セグメンテーションと幾何学的属性回帰
• Authors: Luuk Versteeg, Rob G. J. Wijnhoven, Martin R. Oswald,
• Abstract要約: 本研究では, 単独の航空写真から, インスタンスレベルの屋根セグメントマスクを共同で予測する手法を提案する。 本稿では, 平坦な屋根セグメントの監視を抑える条件付き方位損失と, 対数正規化高さ表現という2つの重要なイノベーションを紹介する。 本手法は, 平均絶対誤差を屋根斜面で約4度, 方位で7度, 建築高さで1mとし, ケースセグメンテーションAP$_50$ of 0.566とした。
• 参考スコア（独自算出の注目度）: 18.60580673640467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a method for jointly predicting instance-level roof segment masks together with three continuous geometric attributes -- building height, roof slope, and roof azimuth -- from a single aerial orthophoto. Our approach extends Mask R-CNN with a dedicated attribute regression branch and introduces two key innovations: a conditional azimuth loss that suppresses supervision for flat roof segments where azimuth labels are inherently noisy, and a log-normalized height representation that addresses the heavily skewed distribution of building heights. We train and evaluate on a large-scale dataset of Dutch aerial images paired with automatically derived ground truth from 3DBAG, a nationwide LiDAR-based 3D building dataset. Using a DINOv3 ConvNeXt-Base backbone, our method achieves a mean absolute error of approximately 4 degrees for roof slope, 7 degrees for azimuth, and 1 meter for building height, with an instance segmentation AP$_{50}$ of 0.566. The predicted per-segment masks and attributes are sufficient to reconstruct simplified 3D building models (LoD2) from a single overhead image, requiring expensive 3D reference data only for training.
• Abstract（参考訳）: 本研究では, 建物の高さ, 屋根斜面, 屋根方位の3つの連続的な幾何学的特性とともに, 単独の航空写真から, インスタンスレベルの屋根セグメントマスクを共同で予測する手法を提案する。 提案手法は,Mask R-CNNを専用属性回帰ブランチで拡張し,アジマスラベルが本質的にノイズの多い平坦な屋根セグメントの監督を抑える条件付き方位損失と,建物の高さの重く歪んだ分布に対処するログ正規化高さ表現という,2つの重要なイノベーションを導入する。 我々は、LiDARをベースとした3Dビルディングデータセットである3DBAGから、オランダの航空画像の大規模なデータセットと、自動的に引き起こされた地上の真実とを組み合わせて、訓練し、評価する。 DINOv3 ConvNeXt-Baseバックボーンを用いて,屋根斜面の約4度,方位の7度,建築高さの1mの平均絶対誤差を,AP$_{50}$ 0.566で達成した。 予測されたセグメントごとのマスクと属性は、単一のオーバーヘッド画像から単純化された3Dビルディングモデル(LoD2)を再構築するのに十分であり、トレーニングにのみ高価な3Dリファレンスデータを必要とする。

関連論文リスト

• Multi-Modal Building Inspection via Perceiver IO Fusion of Satellite and Street-Level Imagery [18.60580673640467]
  本稿では、Perceiver IOアーキテクチャを用いて、衛星画像とストリートレベルの画像を融合するマルチモーダル分類フレームワークを提案する。 10か国にまたがる32,135の建物からなる大規模データセットを構築し、衛星画像と最大8つの街路ビューをペアリングする。 Perceiver IO融合モデルは、他のすべての融合戦略を改善し、ストリートレベルから見える属性に対して、クラスごとの実質的なゲインを得る。
  論文  参考訳（メタデータ） (2026-05-25T23:01:05Z)
• Holi-Spatial: Evolving Video Streams into Holistic 3D Spatial Intelligence [78.1406635199656]
  Holi-Spatialは、人間の介入なしに生のビデオ入力から構築された、初めて完全に自動化され、大規模で、空間対応のマルチモーダルデータセットである。 Holi-Spatial-4Mは、12K最適化された3DGSシーン、1.3Mの2Dマスク、320Kの3Dバウンディングボックス、320Kのインスタンスキャプション、1.2Mの3Dグラウンドインスタンス、1.2Mの空間QAペアを含む、最初の大規模で高品質な3Dセマンティックデータセットである。
  論文  参考訳（メタデータ） (2026-03-08T14:49:20Z)
• Scalable Adaptation of 3D Geometric Foundation Models via Weak Supervision from Internet Video [76.32954467706581]
  本稿では,生のビデオストリームからGEometric foundationモデルのスケーラブル適応を行うフレームワークであるSAGEを提案する。 階層的なマイニングパイプラインを使用して、ビデオをトレーニングトラジェクトリやハイブリッド監視に変換します。 実験の結果、SAGEはゼロショットの一般化を著しく向上し、チェムファー距離を20-42%削減した。
  論文  参考訳（メタデータ） (2026-02-08T09:53:21Z)
• Zero-shot Inexact CAD Model Alignment from a Single Image [53.37898107159792]
  1つの画像から3Dシーン構造を推測する実践的なアプローチは、データベースから密に一致する3Dモデルを検索し、画像内のオブジェクトと整列させることである。 既存のメソッドは、イメージによる教師付きトレーニングとアノテーションのポーズに依存しており、オブジェクトカテゴリの狭いセットに制限されている。 ポーズアノテーションを必要とせず、未知のカテゴリに一般化する不正確な3次元モデルの弱い教師付き9-DoFアライメント法を提案する。
  論文  参考訳（メタデータ） (2025-07-04T04:46:59Z)
• 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)
• 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)
• RoofDiffusion: Constructing Roofs from Severely Corrupted Point Data via Diffusion [0.3277163122167433]
  RoofDiffusionは、屋根の高さマップを頑健に完成させる、エンドツーエンドの自己教師付き拡散技術である。 変種であるNo-FP RoofDiffusionは、建物の足跡と高さを同時に予測する。 先進的なCity3DアルゴリズムでテストされたRoofDiffusionは、3Dビルの再構築を著しく改善する。
  論文  参考訳（メタデータ） (2024-04-14T15:50:10Z)
• 3D detection of roof sections from a single satellite image and application to LOD2-building reconstruction [12.693545159861857]
  KIBS(textitKeypoints Inference By)という,2つの特徴からなる都市3次元再構成手法を提案する。 KIBS法は, 異なる都市部を数分で再構築し, 個々の屋根部を8.55%, 75.21%で2次元分割するジャカルド指数を2つのデータ集合で8.55%, および75.21%で表し, その高さ平均誤差を2つのデータ集合で1.60$mと2.06mの3次元再構成で表した。
  論文  参考訳（メタデータ） (2023-07-11T16:23:19Z)
• Learning to Generate 3D Representations of Building Roofs Using Single-View Aerial Imagery [68.3565370706598]
  本研究では,空撮画像から建物屋根メッシュの条件分布を学習するための新しいパイプラインを提案する。 同一物体の複数の画像を必要とする代替手法とは違って,本手法では,一つの画像のみを用いて予測を行う3次元屋根メッシュを推定できる。
  論文  参考訳（メタデータ） (2023-03-20T15:47:05Z)

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。