SolarFormer：面向太阳能光伏轮廓提取的多尺度 Transformer
计算机视觉与模式识别
2023-11-01 v1
摘要
随着气候变化加剧，全球向可持续能源转型的紧迫性日益凸显。光伏（PV）能源因其可靠性与易安装性而备受青睐。精准绘制光伏设施分布图对于理解其普及程度及制定能源政策至关重要。为满足此需求，我们提出 SolarFormer，旨在从航空影像中分割太阳能电池板，从而揭示其位置与尺寸信息。然而，计算机视觉中的太阳能电池板识别因天气条件、屋顶状况及地面采样距离（GSD）差异等多重要素而颇为复杂。为应对这些挑战，我们提出 SolarFormer，其具备多尺度 Transformer 编码器与掩码注意力 Transformer 解码器。我们的模型利用低层特征并引入实例查询机制以增强太阳能光伏设施的定位能力。我们使用包括 GGE（法国）、IGN（法国）与 USGS（美国加利福尼亚州）在内的不同 GSD 多样数据集对 SolarFormer 进行了严格评估。大量实验一致表明，我们的模型达到或超越当前最优（SOTA）模型，有望为全球可持续能源计划提供更优的太阳能电池板分割效果。
引用
@article{arxiv.2310.20057,
title = {SolarFormer: Multi-scale Transformer for Solar PV Profiling},
author = {Adrian de Luis and Minh Tran and Taisei Hanyu and Anh Tran and Liao Haitao and Roy McCann and Alan Mantooth and Ying Huang and Ngan Le},
journal= {arXiv preprint arXiv:2310.20057},
year = {2023}
}
备注
Pre-print