面向地图生成质量评估与损失优化的地图特征感知指标
计算机视觉与模式识别
2025-04-01 v1
摘要
在以生成模型为核心的智能制图任务中，合成地图的真实性构为关键决定因素。同时，选取恰当的评估指标来量化地图真实性，成为关键性研究挑战。当前方法主要采用计算机视觉中的图像评估指标计算生成地图与参考地图之间的差异。然而，常规的视觉相似性指标——包括L1、L2、SSIM和FID——主要在像素层面进行比较，难以捕捉制图的全局特征与空间相关性，导致生成输出中语义-结构性伪影。本文引入一种新型地图特征感知指标（MFP），用于评估合成地图与目标地图的全局特征与空间一致性。不同于像素级指标，本方法提取元素级深层特征，全面编码制图的结构完整性与拓扑关系。实验验证表明，MFP在评估制图语义特征方面具有优势，分类增强实现在多样化生成框架下均优于传统损失函数。当用作优化目标时，本指标较传统L1、L2和SSIM基准实现了2%至50%的性能提升。这一研究表明，显式考虑制图的全局属性与空间一致性，可显著提升生成模型的优化效果，从而显著改善合成地图的地理合理性。
引用
@article{arxiv.2503.23370,
title = {Map Feature Perception Metric for Map Generation Quality Assessment and Loss Optimization},
author = {Chenxing Sun and Jing Bai},
journal= {arXiv preprint arXiv:2503.23370},
year = {2025}
}