論文の概要: RoadGIE: Towards A Global-Scale Aerial Benchmark for Generalizable Interactive Road Extraction

• arxiv url: http://arxiv.org/abs/2605.26862v1
• Date: Tue, 26 May 2026 11:20:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.969037
• Title: RoadGIE: Towards A Global-Scale Aerial Benchmark for Generalizable Interactive Road Extraction
• Title（参考訳）: RoadGIE: 一般化可能な対話型道路抽出のためのグローバルな航空ベンチマークを目指して
• Authors: Chenxu Peng, Chenxu Wang, Yimian Dai, Yongxiang Liu, Ming-Ming Cheng, Xiang Li,
• Abstract要約: RoadGIEはリモートセンシングにおける道路抽出のための新しい対話的パラダイムを確立する。 WorldRoadSeg-360Kは、これまでで最大かつ最も多様な道路区分データセットである。 RoadGIEは、セグメント化精度とトポロジ的整合性の両方において最先端の性能を達成する。
• 参考スコア（独自算出の注目度）: 54.19939140744149
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate road segmentation from aerial imagery is fundamental to many geospatial applications. However, existing datasets often suffer from limited scene diversity, low semantic granularity, and poor structural continuity, restricting their generalization across environments. To address these challenges, we introduce WorldRoadSeg-360K, the largest and most diverse road segmentation dataset to date, comprising 366,947 high-resolution images collected from 38 countries and 223 cities across various terrains and continents. WorldRoadSeg-360K serves as a comprehensive benchmark and reveals key challenges in handling diverse and structurally complex scenes. Automated approaches often struggle to preserve road connectivity, while current interactive methods lack efficient, topology-sensitive tools for real-world road editing. To this end, we present RoadGIE, establishing a novel interactive paradigm for road extraction in remote sensing. Unlike prior point- or box-based prompting strategies, RoadGIE supports connectivity-aware prompts, including clicks and scribbles, which inherently align with the topology of road networks. To improve structural consistency and mitigate performance degradation during iterative interactions, RoadGIE integrates an expert-guided prompting strategy and adapts the skeleton-based recall loss for interactive scenarios. RoadGIE achieves state-of-the-art performance in both segmentation accuracy and topological consistency on WorldRoadSeg-360K and other benchmarks, while maintaining efficient operation with only 3.7M parameters. The code are publicly available at: https://github.com/chaineypung/RoadGIE
• Abstract（参考訳）: 航空画像からの正確な道路分割は多くの地理空間的応用に基礎を置いている。 しかし、既存のデータセットはシーンの多様性が制限され、セマンティックな粒度が低く、構造的連続性が低いため、環境全体にわたる一般化が制限されることが多い。 これらの課題に対処するため,38の国と223の都市から収集された366,947の高解像度画像を含む,これまでで最大かつ最も多様な道路分割データセットであるWorldRoadSeg-360Kを紹介した。 WorldRoadSeg-360Kは総合的なベンチマークとして機能し、多様で構造的に複雑なシーンを扱う上で重要な課題を明らかにしている。 自動化されたアプローチはしばしば道路の接続性を維持するのに苦労するが、現在のインタラクティブな手法では、現実世界の道路編集のための効率的でトポロジに敏感なツールが欠如している。 そこで我々はRoadGIEを紹介し,リモートセンシングにおける道路抽出のための対話的パラダイムを確立する。 従来のポイントベースのプロンプト戦略やボックスベースのプロンプト戦略とは異なり、RoadGIEはクリックやスクリブルを含む接続対応プロンプトをサポートしており、本来は道路ネットワークのトポロジと一致している。 RoadGIEは、反復的相互作用における構造的一貫性を改善し、パフォーマンス劣化を軽減するため、専門家によるプロンプト戦略を統合し、対話的なシナリオにスケルトンベースのリコール損失を適用する。 RoadGIEは、WorldRoadSeg-360Kや他のベンチマークのセグメンテーション精度とトポロジカル整合性の両方で最先端のパフォーマンスを達成し、3.7Mパラメータだけで効率的な操作を維持できる。 コードは、https://github.com/chaineypung/RoadGIEで公開されている。

関連論文リスト

• A Large-Scale Remote Sensing Dataset and VLM-based Algorithm for Fine-Grained Road Hierarchy Classification [7.761005954075427]
  本稿では,大規模階層的な道路データセットであるSYSU-HiRoadsと,視覚言語幾何学フレームワークであるRoadReasonerを紹介する。 SYSU-HiRoadsは、中国河南省の3631km2のGF-2画像から作られ、1079枚の画像タイルを0.8mの空間解像度で収めている。 RoadReasonerは、堅牢な路面マスク、トポロジ保存ロードネットワーク、セマンティックコヒーレントな階層割り当てを生成するように設計されている。
  論文  参考訳（メタデータ） (2026-03-22T13:26:28Z)
• Beyond Endpoints: Path-Centric Reasoning for Vectorized Off-Road Network Extraction [9.833728353188132]
  我々はWildRoadをリリースした。WildRoadは対話型アノテーションツールで効率的に構築されたグローバルオフロードロードネットワークデータセットである。 我々は,パス中心のフレームワークであるMaGRoadを紹介した。 MaGRoadは、挑戦的なWildRoadベンチマークで最先端のパフォーマンスを達成し、都市データセットに最適化します。
  論文  参考訳（メタデータ） (2025-12-11T08:29:27Z)
• PathwayBench: Assessing Routability of Pedestrian Pathway Networks Inferred from Multi-City Imagery [15.563635571840733]
  都市部における歩行者の移動を支援するには、構築された環境の完全かつ頑健なグラフ表現が必要である。 道路ネットワークの経路とは対照的に、歩行者ネットワークの経路は狭く、より頻繁に切断され、視覚的にも物質的にも小さな領域で変化している。 歩行者経路網グラフを抽出する既存のアルゴリズムは矛盾なく評価され、ルータビリティを無視する傾向がある。
  論文  参考訳（メタデータ） (2024-07-23T22:47:32Z)
• RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
  道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。 我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。 約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
  論文  参考訳（メタデータ） (2023-10-03T17:59:32Z)
• Leveraging Topology for Domain Adaptive Road Segmentation in Satellite and Aerial Imagery [9.23555285827483]
  道路分割アルゴリズムは、新しい地理的位置への一般化に失敗する。 道路骨格は、トポロジカルな制約を課す補助的なタスクである。 自己学習のために、接続性に基づく擬似ラベル改善戦略を用いて、ノイズの多い擬似ラベルをフィルタリングする。
  論文  参考訳（メタデータ） (2023-09-27T12:50:51Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• Graph-based Topology Reasoning for Driving Scenes [102.35885039110057]
  TopoNetは、従来の知覚タスクを超えてトラフィック知識を抽象化できる最初のエンドツーエンドフレームワークである。 TopoNetを,難解なシーン理解ベンチマークOpenLane-V2で評価した。
  論文  参考訳（メタデータ） (2023-04-11T15:23:29Z)
• DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
  我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。 グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
  論文  参考訳（メタデータ） (2020-12-22T21:58:57Z)
• Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
  我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。 我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。 北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
  論文  参考訳（メタデータ） (2020-12-21T18:59:12Z)

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。