3dSAGER：针对3D对象的空间感知地理实体解析
机器学习
2025-11-11 v1
摘要
城市环境由各种数据收集平台持续映射和建模，包括卫星、无人机和街道摄像机。来自多种模态的3D地理空间数据的日益增多，为规模化集成空间知识带来了新机遇和挑战，尤其是在城市规划和快速灾害管理等高影响力领域。空间地理实体解析是识别来自不同数据集中匹配空间对象的任务，通常在不同条件下独立收集。现有方法通常依赖空间邻近性、文本元数据或外部标识符来确定对应关系。虽然有用，但这些信号在跨源场景中常常不可用、不可靠或对齐不良。为解决这些限制，我们将注意力转向3D空间对象的内在几何，并提出3dSAGER（3D空间感知地理实体解析），一个针对3D对象的地理实体解析端到端管道。3dSAGER引入一种新颖的空间参考无关的特征化机制，捕获匹配对的复杂几何特征，使其即使在传统空间方法失效时也能稳健地进行比较。作为3dSAGER的关键组件，我们还提出一种新的轻量且可解释的阻塞方法BKAFI，该方法利用训练好的模型高效生成高召回率的候选集。我们通过在真实城市数据集上的广泛实验验证了3dSAGER在准确率和效率方面相较于强大基线实现了显著提升。我们的实证研究进一步剖析了每个组件的贡献，提供了关于其影响以及整体设计选择的见解。
引用
@article{arxiv.2511.06300,
title = {3dSAGER: Geospatial Entity Resolution over 3D Objects (Technical Report)},
author = {Bar Genossar and Sagi Dalyot and Roee Shraga and Avigdor Gal},
journal= {arXiv preprint arXiv:2511.06300},
year = {2025}
}