基于Bezier图优化的可微分道路网络提取

从航空图像中自动提取道路网络是基础任务，但现有方法依赖折线表示难以建模曲线几何。我们认为道路几何本质上是曲线基的，提出Bézier Graph——一种可微分参数曲线表示。主要瓶颈是难以构建向量 ground-truth。我们通过将任务重构述为对Bézier Graph的全局优化来规避这一瓶颈。我们的框架DOGE通过学习从分割掩码直接生成参数Bézier Graph，消除曲线GT的需求。DOGE交替运行两个互补模块：DiffAlign通过可微渲染持续优化几何，TopoAdapt使用离散算子细化拓扑。该方法在大规模SpaceNet和CityScale基准上实现了新的状态-of-the-art，提出了道路网络高保真矢量图生成的新范式。我们将发布代码和相关数据。