用于矢量道路制图的块化线段学习
计算机视觉与模式识别
2023-09-07 v1
摘要
本文提出一种从卫星遥感图像计算矢量道路图的新方法，其建立在具有几何意义的、定义良好的块化线段(PaLiS)道路图表示之上。与现有利用二值掩码或关键点从卫星图像导出道路矢量表示的方法不同，我们的方法采用线段。这些线段不仅传达道路位置，还捕捉其方向，使其成为鲁棒的表示选择。更确切地说，给定输入图像，我们将其划分为不重叠的块，并在每个块内预测一条合适的线段。该策略使我们能够从这些基于块的线段中捕获空间与结构线索，从而简化道路网络图的构建过程，无需额外的神经网络来处理连通性。在我们的实验中，我们展示了道路图的有效表示如何在无需大幅修改神经网络架构的情况下，显著提升在既定基准上的矢量道路制图性能。此外，我们的方法仅以 6 GPU 小时的训练即达到最先进性能，使 GPU 小时意义上的训练成本大幅降低 32 倍。
引用
@article{arxiv.2309.02923,
title = {Patched Line Segment Learning for Vector Road Mapping},
author = {Jiakun Xu and Bowen Xu and Gui-Song Xia and Liang Dong and Nan Xue},
journal= {arXiv preprint arXiv:2309.02923},
year = {2023}
}