MapSAM2：将SAM2适用于历史地图图像及时间序列自动分割
计算机视觉与模式识别
2025-11-03 v1
摘要
历史地图是记录不同时期地理特征的独特且珍贵的档案。然而，由于其风格差异大且缺乏标注训练数据，自动化分析历史地图图像仍是重大挑战。构建从历史地图时间序列中提取的链接时空数据集更为耗时耗力，因为需要综合多个地图的信息。这类数据集对于建筑定年、道路网络与定居点发展分析、环境变化研究等应用至关重要。我们提出MapSAM2，一个统一框架，用于自动分割历史地图图像和时间序列。基于视觉基础模型，MapSAM2通过少量样本微调适应于多样化的分割任务。我们的关键创新是将历史地图图像和时间序列均视为视频处理。对于图像，我们将一组瓦片作为视频处理，利用记忆注意力机制整合来自相似瓦片的上下文线索，从而提高几何精度，尤其对于面积特征。对于时间序列，我们引入了标注的戈斯菲尔德建筑时间序列数据集，并通过模拟常见的时间序列转换，从单年地图生成伪时间序列，以降低标注成本。实验结果表明，MapSAM2能有效学习时序关联性，在有限监督或使用伪视频的情况下，能够准确分割并链接时间序列中的建筑物。我们将公开数据集和代码，以支持未来研究。
引用
@article{arxiv.2510.27547,
title = {MapSAM2: Adapting SAM2 for Automatic Segmentation of Historical Map Images and Time Series},
author = {Xue Xia and Randall Balestriero and Tao Zhang and Yixin Zhou and Andrew Ding and Dev Saini and Lorenz Hurni},
journal= {arXiv preprint arXiv:2510.27547},
year = {2025}
}