ACPV-Net：从航空图像生成无缝矢量地图的全类多边形向量化
计算机视觉与模式识别
2026-03-18 v1
摘要
我们解决了从航空图像生成完整矢量地图表示的单一步骤问题：为所有土地覆盖类别生成带有共享边界且无缝隙或重叠的多边形。现有多边形化方法通常针对特定类别；通过逐类别运行扩展到多个类别常导致拓扑不一致，如重复边、缝隙和重叠。我们将此新任务形式化为全类多边形向量化（ACPV），并发布了第一个公共基准数据集 Deventer-512，采用标准化指标联合评估语义保真度、几何精度、顶点效率、类别级拓扑保真度和全局拓扑一致性。为实现 ACPV，我们提出了 ACPV-Net，一种统一框架，引入新颖的语义监督条件（SSC）机制，将语义感知与几何原始生成耦合，并通过设计实现共享边一致性的拓扑重建。尽管施加严格的拓扑约束，ACPV-Net 在 Deventer-512 上在所有类别的多边形质量上均超越了所有类别特定基线。它还可用于单类别多边形向量化且无需架构修改，实现了在 WHU-Building 数据集上最佳报告的结果。数据、代码和模型将发布至：https://github.com/HeinzJiao/ACPV-Net。
引用
@article{arxiv.2603.16616,
title = {ACPV-Net: All-Class Polygonal Vectorization for Seamless Vector Map Generation from Aerial Imagery},
author = {Weiqin Jiao and Hao Cheng and George Vosselman and Claudio Persello},
journal= {arXiv preprint arXiv:2603.16616},
year = {2026}
}
备注
Accepted to CVPR 2026. The supplementary material available in the conference proceedings