PolyRoof：基于图神经网络的城居住宅建筑屋顶精确多边形化
计算机视觉与模式识别
2025-03-17 v1
摘要
对详细建筑屋顶数据日益增长的需求推动了自动化提取方法的发展，以克服传统方法的低效性，特别是在处理建筑几何形状复杂变化时。Re:PolyWorld 将点检测与图神经网络相结合，为重建高细节建筑屋顶矢量数据提供了一种有前景的解决方案。本研究通过引入基于注意力机制的主干网络和额外的面积分割损失，提升了 Re:PolyWorld 在复杂城居住宅结构上的性能。尽管存在数据集限制，我们的实验表明，点位置精度（1.33 像素）和线距离精度（14.39 像素）均有所提升，重建分数也显著提高至 91.99%。这些发现凸显了先进神经网络架构在应对复杂城居住宅几何形状挑战方面的潜力。
引用
@article{arxiv.2503.10913,
title = {PolyRoof: Precision Roof Polygonization in Urban Residential Building with Graph Neural Networks},
author = {Chaikal Amrullah and Daniel Panangian and Ksenia Bittner},
journal= {arXiv preprint arXiv:2503.10913},
year = {2025}
}
备注
Accepted to Joint Urban Remote Sensing Event (JURSE) 2025