基于 OpenStreetMap 数据的高可控卫星图像合成 OSMGen
计算机视觉与模式识别
2025-11-04 v1 机器学习
摘要
准确且最新的地理空间数据对城市规划、基础设施监测和环境管理至关重要。然而，自动化城市监测仍然困难，因为针对特定城市特征及其变化的精选数据集稀缺。我们提出 OSMGen，一个从原始 OpenStreetMap（OSM）数据直接创建逼真卫星图像的生成框架。不同于以前依赖栅格瓦片的工作，OSMGen 利用 OSM JSON 的完整丰富性，包括向量几何、语义标签、位置和时间，为场景生成提供细粒度控制。该框架的核心特征是能够生成一致的 before-after 图像对：用户对 OSM 输入的编辑将转化为针对性的视觉变化，而其余场景保持不变。这使得能够生成用于缓解数据稀缺性和类别不平衡的训练数据，以及为规划者提供一种简单方法来预览拟议干预的效果。更广泛地说，OSMGen 为静态和变更状态的 paired（JSON、图像）数据 paving the way toward 一个闭环系统，其中卫星图像可以自动驱动结构化 OSM 更新。源代码已公开于 https://github.com/amir-zsh/OSMGen。
引用
@article{arxiv.2511.00345,
title = {OSMGen: Highly Controllable Satellite Image Synthesis using OpenStreetMap Data},
author = {Amir Ziashahabi and Narges Ghasemi and Sajjad Shahabi and John Krumm and Salman Avestimehr and Cyrus Shahabi},
journal= {arXiv preprint arXiv:2511.00345},
year = {2025}
}
备注
Accepted at NeurIPS 2025 UrbanAI Workshop