来自深度与光谱数据的晚期还是早期信息融合？基于 Hybrid-cGAN 的大规模数字表面模型精化
计算机视觉与模式识别
2019-04-23 v1
摘要
我们提出了一种使用 Hybrid-cGAN 的 DSM 精化方法的工作流，其生成部分由两个编码器和一个公共解码器组成，该解码器在单一网络内融合光谱与高度信息。Hybrid-cGAN 的输入为具有连续值的单通道摄影测量 DSM 与单通道全色（PAN）半米分辨率卫星图像。实验结果表明，来自具有不同物理意义数据的早期信息融合有助于传播精细细节并补全关于建筑形态的不准确或缺失的 3D 信息。此外，它改善了建筑边界，使其更具直线性。
引用
@article{arxiv.1904.09935,
title = {Late or Earlier Information Fusion from Depth and Spectral Data? Large-Scale Digital Surface Model Refinement by Hybrid-cGAN},
author = {Ksenia Bittner and Marco Körner and Peter Reinartz},
journal= {arXiv preprint arXiv:1904.09935},
year = {2019}
}
备注
8 pages, This work was accepted to be presented at the IEEE/ISPRS Workshop on Large Scale Computer Vision for Remote Sensing Imagery (EarthVision) to be held at the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2019