基于 Switch 的建筑结构矢量化优化：高效卷积通道切换混合策略
人工智能
2024-03-12 v2 计算机视觉与模式识别
摘要
建筑平面图形重建，亦称足迹重建，属于计算机视觉与地理信息学领域，长期以来深受传统卷积模型中参数冗余问题的困扰。因此，在本文中，我们提出了一种先进的自适应移位架构，即 Switch 算子，其在保留类似功能以整合局部特征空间信息（类似于高维卷积操作）的同时，引入了非指数增长的参数。该 Switch 算子作为一种跨通道操作架构，通过 XOR 运算交替交换相邻或对角特征，随后通过 1x1 卷积操作混合交替通道以整合来自不同通道的信息。另一方面，SwitchNN 架构引入了受卷积神经网络过程启发的基于组的参数共享机制，从而显著减少了参数数量。我们通过在 SpaceNet 语料库上的实验验证了所提方法，该公开数据集标注了洛杉矶、拉斯维加斯和巴黎三座城市中 2001 栋建筑。我们的结果证明了这一创新架构在从 2D 建筑图像进行建筑平面图形重建中的有效性。
引用
@article{arxiv.2306.15035,
title = {Optimized Vectorizing of Building Structures with Switch: High-Efficiency Convolutional Channel-Switch Hybridization Strategy},
author = {Moule Lin and Weipeng Jing and Chao Li and András Jung},
journal= {arXiv preprint arXiv:2306.15035},
year = {2024}
}
备注
5 pages