街道网络的大规模自回归建模
机器学习
2022-09-02 v1
摘要
我们提出了一种用于生成城市尺度道路布局的新方法。尽管近期方法的输出在覆盖区域大小和多样性上均有限，我们的框架可生成由顶点和边组成的高质量大型可遍历图，表示覆盖 400 平方公里或更大的完整街道网络。虽然我们的框架可处理一般的二维嵌入图，但由于训练数据广泛可用，我们聚焦于街道网络。我们的生成框架由一个 transformer 解码器组成，该解码器以滑动窗口方式预测一个索引场，每个索引编码局部邻域的表示。每个索引的语义由上下文向量字典确定。随后将该索引场输入解码器以计算街道图。利用来自 OpenStreetMap 的数据，我们在整座城市甚至跨越美国等大国训练我们的系统，最后将其与最先进水平进行比较。
引用
@article{arxiv.2209.00281,
title = {Large-Scale Auto-Regressive Modeling Of Street Networks},
author = {Michael Birsak and Tom Kelly and Wamiq Para and Peter Wonka},
journal= {arXiv preprint arXiv:2209.00281},
year = {2022}
}