ImpliCity：基于深度隐式占用场的卫星图像城市建模
计算机视觉与模式识别
2022-06-01 v3
摘要
高分辨率光学卫星传感器与密集立体匹配算法相结合，使得从太空重建三维城市模型成为可能。然而，这些模型在实践中噪声较大，且往往会遗漏图像中清晰可见的细小几何特征。我们认为，质量受限的一个原因可能是过早地、启发式地将三角化的三维点云简化为显式的高度场或表面网格。为了充分利用点云和底层图像，我们引入了ImpliCity，这是一种将三维场景表示为隐式、连续占用场的神经表示，由点云和一对正射影像立体像对的学习嵌入驱动。我们证明，这种表示能够提取高质量的DSM：在图像分辨率为0.5米时，ImpliCity达到了约0.7米的中位高度误差，并优于竞争方法，尤其是在建筑重建方面，具有精细的屋顶细节、平滑的表面和笔直、规则的轮廓。
引用
@article{arxiv.2201.09968,
title = {ImpliCity: City Modeling from Satellite Images with Deep Implicit Occupancy Fields},
author = {Corinne Stucker and Bingxin Ke and Yuanwen Yue and Shengyu Huang and Iro Armeni and Konrad Schindler},
journal= {arXiv preprint arXiv:2201.09968},
year = {2022}
}
备注
Accepted for publication in the International Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences (camera-ready version including keywords + supplementary material)