論文の概要: GeoAI-based post-segmentation quality validation of building footprints via spatial feature engineering
- arxiv url: http://arxiv.org/abs/2608.09048v1
- Date: Mon, 10 Aug 2026 02:55:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.048668
- Title: GeoAI-based post-segmentation quality validation of building footprints via spatial feature engineering
- Title（参考訳）: GeoAIを用いた空間的特徴工学による建築フットプリントのポストセグメンテーション品質検証
- Abstract要約: ディープラーニングに基づくビルディングフットプリント抽出は、直接GISデータベースの取り込みのためのトップ一貫性のないベクトルを生成することが多い。
ベクトルフットプリントデータベースを浄化するエラー検出を自動化するマルチドメインGeoAI品質管理フレームワークを提案する。
このフレームワークは、誤ったフットプリントの87.34%を識別し、許容可能な構造の98.31%を維持した。
- 参考スコア（独自算出の注目度）: 1.3277276618043652
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning-based building footprint extraction from high-resolution imagery often produces topologically inconsistent vectors unfit for direct GIS database ingestion. To address this, we present a multidomain GeoAI quality control framework that automates error detection to systematically purify vector footprint databases. Candidate footprints were generated across five UAV survey sites in Bangladesh using U-Net (ResNet-34) and SAM-LoRA (ViT-B). The extracted raster masks were vectorized, geometrically regularized, and consolidated under a spatial-exclusivity constraint to eliminate duplicate representations. We used twenty-four predictors capturing geometric, spatial-contextual, and raster-derived spectral and texture properties. Machine Learning (ML) classifiers were trained on a development partition (Sites B-D) and rigorously validated on a spatially independent test set (Site E) excluded from hyperparameter tuning and class balancing. The experimental results demonstrate that geometric and spatial-contextual predictors using Decision Tree (DT) provide the most effective discriminatory evidence for identifying object-level boundary deformations. DT achieved an accuracy of 95.31%, an F1-score of 91.06%, and a Matthews correlation coefficient (MCC) of 0.880 on the unseen testing site. At the database level, this framework successfully identified 87.34% of erroneous footprints while maintaining 98.31% of acceptable structures, reducing the residual error proportion from 27.32% to 4.62% and improving final database purity to 95.38%. This translates into a relative error reduction of 83.09%. The findings indicate that post-segmentation object-level ML provides a highly transferable, robust mechanism for automated quality assurance in production-ready geographic information system (GIS) workflows.
- Abstract（参考訳）: 高解像度画像からの深層学習に基づく建築フットプリント抽出は、直接GISデータベースの取り込みに適さない位相的に一貫性のないベクトルを生成することが多い。
そこで本研究では,エラー検出を自動化し,ベクトルフットプリントデータベースを体系的に浄化する,マルチドメインのGeoAI品質管理フレームワークを提案する。
U-Net (ResNet-34) とSAM-LoRA (ViT-B) を用いて、バングラデシュの5つのUAV調査地点で候補のフットプリントが生成された。
抽出したラスタマスクはベクトル化され、幾何学的に正則化され、空間的排他的制約の下で統合され、重複表現を排除した。
幾何学的・空間的・空間的・ラスタ由来のスペクトル・テクスチャ特性を計測する24個の予測器を用いた。
機械学習(ML)分類器は開発パーティション(Sites B-D)で訓練され、ハイパーパラメータチューニングやクラスバランスから除外された空間的に独立したテストセット(Site E)で厳格に検証された。
実験結果から,Decision Tree (DT) を用いた幾何学的・空間的コンテキスト予測器は,物体レベルの境界変形を識別するための最も効果的な識別的証拠であることが示された。
DTは95.31%の精度、F1スコアは91.06%、マシューズ相関係数は0.880に達した。
データベースレベルでは、誤ったフットプリントの87.34%を識別し、98.31%の許容構造を維持し、残差の比率を27.32%から4.62%に下げ、最終的なデータベースの純度を95.38%に改善した。
これにより、相対誤差は83.09%減少する。
この結果から,製品対応地理情報システム(GIS)ワークフローにおける自動品質保証のための,高度に伝達可能な,堅牢なメカニズムが得られた。
関連論文リスト
- GeoID-PINN: Identifiability-Aware Regional Epidemic Inference with Geographic Coupling [1.0875426095207128]
本稿では,物理インフォームドニューラルネットワーク(PINN)を導入する。
我々は、距離、隣接性、通勤性、およびリードラグ情報から構築された空間先行を正規化する。
Forecast-Trained Geo-PINNは自己回帰的な負二項基底に対して、平均二乗誤差(MSE)を32,957から11,468、平均絶対誤差(MAE)を70.60から57.73に減少させる。
論文 参考訳（メタデータ） (2026-07-28T05:59:23Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Explainable Geospatial AI for Satellite Ground Station Siting Using LiDAR-Derived Terrain Intelligence [0.0]
RCHは、電波伝搬と干渉解析において重要なパラメータである。
オープンな地理空間データからRCHを予測するための、解釈可能な、グローバルにデプロイ可能な機械学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-19T19:08:52Z) - Unsupervised Domain Shift Detection with Interpretable Subspace Attribution [48.553902624178995]
ドメインシフトはデータセットの確率分布の微妙な違いである。
高次元特徴空間における局所密度異常を検出するアルゴリズムを用いて,これらのシフトを同定する。
ドメインシフトを小さな機能セットにトレースすることで、シフトを解釈できます。
論文 参考訳（メタデータ） (2026-05-15T12:58:00Z) - Rewarding the Scientific Process: Process-Level Reward Modeling for Agentic Data Analysis [68.28714988482703]
プロセス・リワード・モデル(PRM)は、LLM(Large Language Models)の推論能力を増強することに成功した。
本稿では,一般ドメインのPRMがデータ分析エージェントの監督に苦慮していることを示す。
本稿では,新しい環境対応生成プロセス報酬モデルであるDataPRMを紹介する。
論文 参考訳（メタデータ） (2026-04-27T09:00:30Z) - Machine and Deep Learning for Indoor UWB Jammer Localization [3.728528592481562]
ウルトラワイドバンド(UWB)のローカライゼーションは、センチスケールの精度を提供するが、攻撃の妨害には弱い。
さまざまな分類と回帰指標を使用して、パフォーマンスを厳格に評価する。
CIR特性の整合に勾配反転層を利用するドメイン・アドバイサルのConvNeXtオートエンコーダを提案する。
論文 参考訳（メタデータ） (2025-11-03T18:26:14Z) - Balanced Multi-Task Attention for Satellite Image Classification: A Systematic Approach to Achieving 97.23% Accuracy on EuroSAT Without Pre-Training [0.0]
本研究は、衛星土地利用分類のための独自の畳み込みニューラルネットワークアーキテクチャを体系的に研究する。
事前訓練されたモデルに依存することなく、EuroSATデータセット上で97.23%のテスト精度を達成する。
我々の手法は、外部データを必要としない微調整されたResNet-50(98.57%)の1.34%で性能を達成する。
論文 参考訳（メタデータ） (2025-10-17T10:59:24Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z) - Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。
本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文 参考訳（メタデータ） (2024-01-06T07:30:41Z) - REB: Reducing Biases in Representation for Industrial Anomaly Detection [16.550844182346314]
本稿では,ドメインバイアスを考慮した表現におけるReduceing Biases (REB)を提案する。
また,特徴空間における局所密度バイアスを低減し,効果的な異常検出を実現するために,局所密度KNN(LDKNN)を提案する。
提案したREB法は,Vgg11やResnet18などの小さなバックボーンネットワークを用いて,広く使用されているMVTec AD上で99.5%のIm.AUROCを実現する。
論文 参考訳（メタデータ） (2023-08-24T05:32:29Z) - DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。
特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。
マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
論文 参考訳（メタデータ） (2023-08-03T17:59:04Z) - Revisiting Domain-Adaptive 3D Object Detection by Reliable, Diverse and
Class-balanced Pseudo-Labeling [38.07637524378327]
ドメイン適応型3Dオブジェクト検出において,疑似ラベリング技術を用いた教師なしドメイン適応(DA)が重要なアプローチとして浮上している。
既存のDAメソッドは、マルチクラスのトレーニング環境に適用した場合、パフォーマンスが大幅に低下する。
本稿では,すべてのクラスを一度に検出する学習に適した新しいReDBフレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-16T04:34:11Z)
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。