IM2HEIGHT：基于全残差卷积-反卷积网络从单目影像估计高度
计算机视觉与模式识别
2018-03-01 v1
摘要
本文处理一个非常新颖的问题，即由单张单目遥感图像估计高度，这本质上具有歧义性，且是一个技术上的病态问题，其一大不确定性来源在于整体尺度。我们提出一个端到端训练的全卷积-反卷积网络架构，涵盖残差学习，以建模单目遥感图像与高度图之间的歧义映射。具体而言，它由两部分组成，即卷积子网络与反卷积子网络。前者对应于将输入遥感图像转换为高级多维特征表示的特征提取器，而后者扮演高度生成器的角色，由卷积子网络提取的特征产生高度图。此外，为保留估计高度图的精细边缘细节，我们向网络引入跳跃连接，其能够将低层视觉信息（如物体边界与边缘）直接跨网络传输。为展示单视图高度预测的有用性，我们给出一个利用估计高度图进行建筑物实例分割的实例。本文在遥感领域首次尝试从单目视觉估计高度。所提网络使用覆盖柏林地区的大规模高分辨率航拍图像数据集进行验证。实验结果的视觉与定量分析均证明了我们方法的有效性。
引用
@article{arxiv.1802.10249,
title = {IM2HEIGHT: Height Estimation from Single Monocular Imagery via Fully Residual Convolutional-Deconvolutional Network},
author = {Lichao Mou and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:1802.10249},
year = {2018}
}