P2PFormer: 一种从遥感图像中提取规则建筑轮廓的原始点到多边形方法
计算机视觉与模式识别
2024-12-02 v2
摘要
从遥感影像中提取建筑轮廓是一个显著的挑战，因为建筑物具有复杂多样的形状、遮挡以及噪声。现有方法往往难以处理不规则的轮廓、圆角以及冗余点， necessitating extensive post-processing to produce regular polygonal building contours。为解决这些挑战，我们引入了一条新颖的简洁管道，无需后处理即可生成规则的建筑轮廓。我们的方法从几何原始点（包括顶点、线段和拐角）的分割开始，然后预测它们的序列。这使得可以按序直接构建规则的建筑轮廓。基于该管道，我们开发了 P2PFormer，使用基于转换器的架构来分割几何原始点并预测其顺序。为增强原始点的分割，我们引入了一种独特的表示方法，称为 group queries。该表示由一组查询和一个唯一查询位置组成，这些查询有助于关注原始点多个中点并高效地进行链接。此外，我们提出了一种创新的隐式更新策略，用于查询位置嵌入，以 sharpen queries 对正确位置的关注，从而提高原始点分割的质量。我们的实验表明，P2PFormer 在 WHU、CrowdAI 和 WHU-Mix 数据集上实现了新的最高性能，相较于前一 SOTA 方法 PolyWorld，在最大的 CrowdAI 数据集上分别提高了 2.7 的 AP 和 6.5 的 AP75。
引用
@article{arxiv.2406.02930,
title = {P2PFormer: A Primitive-to-polygon Method for Regular Building Contour Extraction from Remote Sensing Images},
author = {Tao Zhang and Shiqing Wei and Yikang Zhou and Muying Luo and Wenling You and Shunping Ji},
journal= {arXiv preprint arXiv:2406.02930},
year = {2024}
}