LIGHT：通过统一多任务学习网络从卫星影像中联合提取单体建筑并估算高度
计算机视觉与模式识别
2023-04-04 v1
摘要
建筑提取与高度估计是遥感影像解译中两项重要基础任务，广泛应用于城市规划、真实三维构建等领域。现有研究多将二者视为独立研究，因此高度信息无法充分用于提升建筑提取精度，反之亦然。本工作中，我们首次通过统一多任务学习网络（LIGHT，即individuaL buIlding extraction and heiGHt estimation through a unified multiTask learning network）将单体建筑提取与高度估计相结合，同时输出建筑的高度图、边界框与分割掩膜图。具体而言，LIGHT由实例分割分支与高度估计分支构成。特别地，为有效统一多尺度特征分支并缓解分支间特征跨度，我们提出门控跨任务交互（GCTI）模块，可高效实现分支间特征交互。在DFC2023数据集上的实验表明，我们的LIGHT能取得优越性能，且以ResNet101为骨干的GCTI模块可分别将多任务学习性能显著提升2.8% AP50与6.5% delta1。
引用
@article{arxiv.2304.01090,
title = {LIGHT: Joint Individual Building Extraction and Height Estimation from Satellite Images through a Unified Multitask Learning Network},
author = {Yongqiang Mao and Xian Sun and Xingliang Huang and Kaiqiang Chen},
journal= {arXiv preprint arXiv:2304.01090},
year = {2023}
}