HGDNet：一种用于单视图建筑物提取与高度估计的高度层级引导双解码器网络
计算机视觉与模式识别
2023-08-11 v1
摘要
统一相关的单视图卫星图像建筑物提取与高度估计任务，为共享表征和获取用于大规模城市三维重建的通用模型提供了一条有前景的途径。然而，建筑物足迹与立体重建的nDSM高度标签之间常见的空间错位会导致两项任务性能下降。为解决此问题，我们提出了一种高度层级引导双解码器网络（HGDNet）来估计建筑物高度。在合成离散高度层级nDSM的引导下，辅助高度层级建筑物提取分支以隐式约束增强高度估计分支，在DFC 2023 track2数据集上实现了超过6%的精度提升。采用额外的两阶段级联架构以实现更精确的建筑物提取。在DFC 2023 Track 2数据集上的实验表明，所提方法在建筑物高度估计（{\delta}1:0.8012）、实例提取（AP50:0.7730）方面具有优越性，最终平均得分0.7871在测试阶段排名第一。
引用
@article{arxiv.2308.05387,
title = {HGDNet: A Height-Hierarchy Guided Dual-Decoder Network for Single View Building Extraction and Height Estimation},
author = {Chaoran Lu and Ningning Cao and Pan Zhang and Ting Liu and Baochai Peng and Guozhang Liu and Mengke Yuan and Sen Zhang and Simin Huang and Tao Wang},
journal= {arXiv preprint arXiv:2308.05387},
year = {2023}
}