論文の概要: PCFootprint: A Large-Scale Dataset and Benchmark for Vectorized Building Footprint Extraction from Aerial LiDAR Point Clouds

• arxiv url: http://arxiv.org/abs/2606.20455v1
• Date: Thu, 18 Jun 2026 16:38:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.98925
• Title: PCFootprint: A Large-Scale Dataset and Benchmark for Vectorized Building Footprint Extraction from Aerial LiDAR Point Clouds
• Title（参考訳）: PCFootprint: 空中LiDAR点雲からのベクトル建物足跡抽出のための大規模データセットとベンチマーク
• Authors: Haoyuan Shen, Kuihao Wang, Ruisheng Wang, Yujun Liu,
• Abstract要約: 足跡抽出は、フォトグラメトリー、リモートセンシング、コンピュータビジョンにおける基本的な課題である。 最近の画像ベース手法は高解像度光学画像からベクトル化フットプリントの抽出において顕著な進歩を遂げている。 航空機搭載レーザー走査点雲からのフットプリント抽出のための,最初の大規模パブリックデータセットであるPCFootprintを提案する。
• 参考スコア（独自算出の注目度）: 9.693057715136058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Building footprint extraction is a fundamental task in photogrammetry, remote sensing, and computer vision. Recent image-based methods have achieved remarkable progress in extracting vectorized footprints from high-resolution optical imagery. However, optical imagery inherently susceptible to occlusions, perspective distortions, and residual relief displacement, yielding incomplete or misaligned footprint extraction. Furthermore, the lack of explicit elevation information limits its direct applicability to Level of Detail building modeling. In this paper, we present PCFootprint, the first large-scale public dataset for footprint extraction from airborne laser scanning point clouds. PCFootprint comprises \num{33000} tiles derived from the Estonian Land and Spatial Development Board, covering diverse urban and rural landscapes. Each tile spans \qtyproduct{128 x 128}{\m} with systematically aligned vectorized footprints aligned to point clouds. The dataset includes a \num{3000} tiles cross-domain test set for evaluating generalization across geographic regions. We establish comprehensive benchmarks by evaluating mainstream methods. Experimental results reveal significant challenges including high intra-class variance, data imbalance, and noise across complex geospatial environments. We believe PCFootprint will advance future research in building modeling, urban scene understanding, and geospatial analysis. The PCFootprint dataset is publicly available at \url{https://huggingface.co/datasets/Haoyuan-Shen/PCFootprint}.
• Abstract（参考訳）: 足跡抽出は、フォトグラメトリー、リモートセンシング、コンピュータビジョンにおける基本的な課題である。 最近の画像ベース手法は高解像度光学画像からベクトル化フットプリントの抽出において顕著な進歩を遂げている。 しかし、光学画像は本質的には閉塞や視線歪み、余剰な回復変位の影響を受けやすく、不完全あるいは不整合な足跡抽出をもたらす。 さらに、明示的な標高情報の欠如は、詳細建築モデリングへの直接的な適用性を制限している。 本稿では,航空機搭載レーザー走査点雲からのフットプリント抽出のための,最初の大規模パブリックデータセットであるPCFootprintを提案する。 PCFootprint はエストニア国土空間開発委員会から派生した num{33000} タイルで、様々な都市や農村の景観をカバーしている。 各タイルは \qtyproduct{128 x 128}{\m} に広がり、系統的に整列されたベクトル化されたフットプリントが点雲に整列する。 データセットには、地理的領域にわたる一般化を評価するための、 \num{3000}タイルクロスドメインテストセットが含まれている。 主流の手法を評価することで総合的なベンチマークを確立する。 実験結果から,高クラス内分散,データ不均衡,複雑な地理空間環境におけるノイズなど,重要な課題が明らかになった。 我々は,PCFootprintが今後,建築モデリング,都市景観理解,地理空間解析などの研究を進めると信じている。 PCFootprintデータセットは、 \url{https://huggingface.co/datasets/Haoyuan-Shen/PCFootprint}で公開されている。

関連論文リスト

• Z-FLoc: Zero-Shot Floorplan Localization via Geometric Primitives [72.63181031215858]
  そこで本研究では,ゼロショットフロアプランのローカライズ手法を提案する。 我々の重要な洞察は、支配的な幾何学的プリミティブが人間が作った環境でユビキタスであることである。 シミュレーションと実世界の両方のデータセットの実験により、我々のアプローチは、目に見えない環境における最先端の学習ベースの手法よりも優れています。
  論文  参考訳（メタデータ） (2026-06-03T12:14:24Z)
• Depth Any Panoramas: A Foundation Model for Panoramic Depth Estimation [68.95366581365829]
  パノラマ距離深度基礎モデルを提案する。 我々は、公開データセット、UE5シミュレーターとテキスト・ツー・イメージ・モデルからの高品質な合成データ、Webからの実際のパノラマ画像を組み合わせることで、大規模なデータセットを収集します。
  論文  参考訳（メタデータ） (2025-12-18T18:59:29Z)
• PolyFootNet: Extracting Polygonal Building Footprints in Off-Nadir Remote Sensing Images [27.58630526006379]
  PolyFootNetは、新しいディープラーニングフレームワークで、外部の処理後ステップを必要とせずに、ポリゴンのビルディングフットプリントを直接出力する。 PolyFootNetの重要な貢献は、Nadaraya-Watsonレグレッションに基づくセルフオフセットアテンションメカニズムを導入し、低層と高層ビル間の精度の相違を効果的に緩和することである。
  論文  参考訳（メタデータ） (2024-08-16T10:21:13Z)
• Prompt-Driven Building Footprint Extraction in Aerial Images with Offset-Building Model [13.09874563780039]
  インスタンスセグメンテーションに基づく既存の手法は、大規模データ生成に拡張された場合、一般化の貧弱さに悩まされる。 本稿では,エンドツーエンドのアルゴリズムを高速な手法に変換するための新しいオフセット構築モデル(OBM)を提案する。 我々のモデルはオフセット誤差を16.6%削減し、他のモデルに比べて10.8%改善する。
  論文  参考訳（メタデータ） (2023-10-25T15:44:50Z)
• Semi-supervised Learning from Street-View Images and OpenStreetMap for Automatic Building Height Estimation [59.6553058160943]
  本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。 提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。 予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
  論文  参考訳（メタデータ） (2023-07-05T18:16:30Z)
• Learning to Extract Building Footprints from Off-Nadir Aerial Images [33.2991137981025]
  既存のアプローチでは、建物の屋根と足跡はよく重なり合っていると仮定されている。 本稿では,ビル跡抽出問題をインスタンスレベルの共同予測問題に変換する,オフセットベクトル学習手法を提案する。 本論文では,新たなデータセットであるビルディング・イン・オフ・ナディア航空画像(BONAI)を作成し,公開する。
  論文  参考訳（メタデータ） (2022-04-28T16:56:06Z)
• SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
  センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。 データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
  論文  参考訳（メタデータ） (2022-01-12T14:48:11Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges [52.624157840253204]
  我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。 私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。 我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
  論文  参考訳（メタデータ） (2020-09-07T14:47:07Z)

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。