中文

GANmapper:地理数据转换

计算机视觉与模式识别 2022-02-22 v2 人工智能

摘要

我们提出了一种利用生成对抗网络(GAN)创建空间数据的新方法。我们的贡献在于使用粗略且广泛可用的地理空间数据,在建筑环境的精细尺度上创建较难获取特征的地图,从而绕过传统的获取技术(例如卫星图像或土地测量)。在本工作中,我们采用土地利用数据和道路网络作为输入来生成建筑轮廓,并在全球9个城市进行了实验。我们在一个开源工具中实现了该方法,能够以高保真度和形态准确度将一种地理空间数据集转换为另一种。这对于缺失详细高分辨率数据以及映射质量不确定或异质的地区(如OpenStreetMap的大部分区域)可能特别有用。结果的质量受城市形态和尺度的影响。在大多数情况下,实验表明该方法表现出了良好的性能,往往能真实地反映建筑的位置、数量和形状。这项工作有潜力支持多种应用,例如在先前缺乏所需数据的地区进行能源、气候和城市形态研究,或在数据不完整的地区进行地理空间数据修复。

关键词

引用

@article{arxiv.2108.04232,
  title  = {GANmapper: geographical data translation},
  author = {Abraham Noah Wu and Filip Biljecki},
  journal= {arXiv preprint arXiv:2108.04232},
  year   = {2022}
}