无缝高分辨率地形重建：基于先验的视觉Transformer方法
计算机视觉与模式识别
2026-04-03 v3 图像与视频处理
摘要
高分辨率高程数据对水文建模、灾害评估和环境监测至关重要;然而，全球一致的细尺度数字高程模型(DEM)仍不可获得。非常高分辨率单视图图像可实现像素水平的信息提取，允许在大范围空间内重建细节地形。本文提出了一种基于单视图的DEM重建方法，已证明可支持跨多个亚国家司法管辖区的GIS环境中的实际分析。具体而言，我们为大型流域生成高分辨率DEM，较全球可获取的Shuttle Radar测绘任务(SRTM)数据分辨率(30米)提升显著。DEM采用一种先验驱动的单目深度基础(MDE)模型生成，该模型本文扩展至遥感高度领域，以实现高分辨率、全球一致的地形重建。我们通过将低分辨率SRTM数据作为全局先验与来自National Agriculture Imagery Program(NAIP)的高分辨率RGB图像集成，fine-tune模型，生成接近激光测距(LiDAR)水平精度的DEM。该方法实现了100倍分辨率提升(从30米提升至30厘米)，超越现有超分辨率方法一个数量级。在两个不同地貌条件下，该模型能稳健地泛化，均以LiDAR为参考基准实现小于5米的平均绝对误差，并较SRTM提升最高达18%。水文分析在流域和坡面尺度上均确认该方法对灾害评估和环境监测具有实用价值，显示改善了流量表示和流域划分。最后，我们展示了该框架在大范围地理区域上的可扩展性。
引用
@article{arxiv.2507.09681,
title = {Seamless High-Resolution Terrain Reconstruction: A Prior-Based Vision Transformer Approach},
author = {Osher Rafaeli and Tal Svoray and Ariel Nahlieli},
journal= {arXiv preprint arXiv:2507.09681},
year = {2026}
}