論文の概要: PolyTopoBench: A Benchmark for Complex Vector Polygon Generation from Remote Sensing Imagery

• arxiv url: http://arxiv.org/abs/2609.32856v1
• Date: Sat, 26 Sep 2026 18:31:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 19:32:53.583926
• Title: PolyTopoBench: A Benchmark for Complex Vector Polygon Generation from Remote Sensing Imagery
• Title（参考訳）: PolyTopoBench: リモートセンシング画像からの複素ベクトルポリゴン生成ベンチマーク
• Abstract要約: RS画像からベクトルポリゴンを生成するための統一評価フレームワークであるPolyTopoBenchを提案する。 その結果,ポリゴン生成は未解決課題であることが明らかとなった。
• 参考スコア（独自算出の注目度）: 18.812444638750694
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vector polygon generation converts visual inputs, e.g., remote sensing (RS) images, into vectorized polygonal geometries, supporting applications such as autonomous driving, vector map construction, and remote sensing. Early pipelines predict raster masks and post-process them into polygons, which prevents end-to-end optimization and may miss small objects or introduce inaccurate vertices. Recent methods directly generate vector polygons, but most focus on simple exterior contours, while they either cannot represent complex polygons with holes or fail to preserve their topology. In this paper, we propose PolyTopoBench, a unified evaluation framework for vector polygon generation from RS images with explicit emphasis on complex polygons. PolyTopoBench evaluates both exterior and interior rings, and benchmarks 11 representative methods, including segmentation-based polygonization pipelines, vision foundation model baselines, and specialized vector polygon generators, on two RS-image datasets covering buildings, roads, vegetation, and unvegetated regions. Experiments show that existing methods often recover simple exterior boundaries but degrade substantially on polygons with holes or multiple rings. These results reveal complex polygon generation as an unresolved challenge and motivate topology-aware benchmarks and model designs. Code and data are available at https://github.com/seai-lab/PolyTopoBench.
• Abstract（参考訳）: ベクトルポリゴン生成は視覚入力(例えばリモートセンシング(RS)画像)をベクトル化された多角形空間に変換し、自律運転、ベクトルマップ構築、リモートセンシングなどの応用をサポートする。 初期のパイプラインはラスタマスクを予測し、ポリゴンに後処理することで、エンドツーエンドの最適化を防ぎ、小さなオブジェクトを見逃したり、不正確な頂点を導入したりすることができる。 最近の手法では、ベクトル多角形を直接生成するが、ほとんどの場合、単純な外輪郭に焦点をあてるが、それらは穴のある複雑な多角形を表現できないか、位相を保存するのに失敗する。 本稿では,RS画像からベクトル多角形を生成するための統一評価フレームワークであるPolyTopoBenchを提案する。 PolyTopoBenchは、外輪と内輪の両方を評価し、建物、道路、植生、未植生地域をカバーする2つのRSイメージデータセットに基づいて、セグメンテーションベースのポリゴン化パイプライン、ビジョン基盤モデルベースライン、特殊ベクトルポリゴンジェネレータを含む11の代表的な手法をベンチマークする。 実験により、既存の手法はしばしば単純な外界を回復するが、穴や複数の環を持つ多角形に分解することを示した。 これらの結果は、未解決の課題として複雑なポリゴン生成を明らかにし、トポロジを意識したベンチマークとモデル設計を動機付けている。 コードとデータはhttps://github.com/seai-lab/PolyTopoBench.comで公開されている。

関連論文リスト

• Progressive Evolution from Single-Point to Polygon for Scene Text [79.29097971932529]
  単点をコンパクトな多角形に効率よく変換できるPoint2Polygonを導入する。 まず認識信頼度に基づいてアンカーポイントを作成し,ポリゴンを垂直に水平に精製する。 また,本手法により生成したポリゴンを用いた学習において,GTと比較して精度の86%を達成し,さらに,提案したPoint2Polygonをシームレスに統合することにより,単一点スポッターにポリゴンの生成を促進させることができた。
  論文  参考訳（メタデータ） (2023-12-21T12:08:27Z)
• 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)
• DPPD: Deformable Polar Polygon Object Detection [3.9236649268347765]
  我々は,ポリゴン形状の物体を検出するための新しい変形可能な極ポリゴン物体検出法(DPPD)を開発した。 DPPDは、自律運転のための様々な物体検出タスクで成功している。
  論文  参考訳（メタデータ） (2023-04-05T06:43:41Z)
• PolyBuilding: Polygon Transformer for End-to-End Building Extraction [9.196604757138825]
  PolyBuildingはリモートセンシング画像から建物のベクトル表現を予測する。 モデルはそれらの関係を学習し、画像からコンテキスト情報を符号化し、構築ポリゴンの最終セットを予測する。 また、ピクセルレベルのカバレッジ、インスタンスレベルの精度とリコール、幾何学レベルの特性など、新たな最先端性を実現している。
  論文  参考訳（メタデータ） (2022-11-03T04:53:17Z)
• 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)
• 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)
• PolyNet: Polynomial Neural Network for 3D Shape Recognition with PolyShape Representation [51.147664305955495]
  3次元形状表現とその処理は3次元形状認識に大きな影響を及ぼす。 我々は、ディープニューラルネットワークに基づく手法(PolyNet)と特定のポリゴン表現(PolyShape)を提案する。 本研究では,3次元形状分類と検索作業におけるPolyNetの長所と長所を実証した。
  論文  参考訳（メタデータ） (2021-10-15T06:45:59Z)

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。