sat2pc：从二维卫星图像估计建筑屋顶点云
计算机视觉与模式识别
2022-05-26 v1 人工智能
机器学习
摘要
三维（3D）城市模型因其在城市规划与虚拟现实等诸多应用场景中的价值而受到关注。然而，生成这些三维表示需要 LiDAR 数据，而此类数据并非总是易于获取。因此，自动化三维模型生成算法的适用性仅限于少数地区。本文提出 sat2pc，一种从单张二维卫星图像预测建筑屋顶点云的深度学习架构。我们的架构结合了 Chamfer 距离与 EMD 损失，从而带来更好的二维到三维性能。我们在建筑屋顶数据集上广泛评估了模型并进行了消融研究。结果表明，sat2pc 至少以 18.6% 的优势超越现有基线。此外，我们表明所预测的点云比其他基线捕捉到更多细节与几何特征。
引用
@article{arxiv.2205.12464,
title = {sat2pc: Estimating Point Cloud of Building Roofs from 2D Satellite Images},
author = {Yoones Rezaei and Stephen Lee},
journal= {arXiv preprint arXiv:2205.12464},
year = {2022}
}