用于联合建筑高度与 footprint 估计的形态学引导跨任务耦合
计算机视觉与模式识别
2026-05-07 v1
摘要
建筑高度（BH）和建筑 footprint（BF）共同描述了建成环境的垂直和水平范围，是城市气候、灾害风险和人口制图模型的必要输入。这两个参数通过容积率（FAR）约束相耦合，然而遥感方法通常将它们视为独立的回归目标。我们论证了显式编码这种跨任务耦合比进一步细化单个编码器更具影响力，并提出 MorphoFormer，这是一个围绕两个互补机制构建的联合 BH/BF 估计框架：(i) BF 引导任务解码器（BGTD），通过对 footprint 衍生的形态学上下文进行交叉注意力来门控高度分支；(ii) 形态学一致性损失（MCL），它监督一个基于 footprint 的高度代理模型以拟合真实 BH，从而间接迫使 BF 特征编码与高度相关的结构。编码器是一个由 Sentinel-1 SAR、Sentinel-2 多光谱和 DEM 输入馈送的单阶段 Swin 主干网络，在 54 个城市的地理分块划分上进行了训练和评估。在相同感受野下，与 Swin-MTL 基线相比，MorphoFormer 将 BH 测试 RMSE 从 3.39 降至 3.15 m（R^2 提升 0.62 -> 0.67），同时 BF R^2 稳定在 0.80。在相同容量下的受控消融实验将这 0.24 m 的提升主要归因于所提出的两个机制：移除 BGTD 会使 BH RMSE 增加 0.11 m，移除 MCL 也会使其增加 0.11 m，剩余约 0.02 m 的残差落在编码器侧变化的本底噪声范围内。由于这两种机制作用于跨任务表示而非像素，该设计对输入分辨率没有内在依赖。
引用
@article{arxiv.2605.04731,
title = {Morphology-Guided Cross-Task Coupling for Joint Building Height and Footprint Estimation},
author = {Jinzhen Han and JinByeong Lee and Jisung Kim and HongSik Yun},
journal= {arXiv preprint arXiv:2605.04731},
year = {2026}
}