SuperpixelGraph：通过语义敏感超像素与神经图网络半自动生成建筑轮廓
计算机视觉与模式识别
2023-06-21 v2
摘要
大多数城市应用需要以具有清晰边界的简洁矢量图形而非逐像素栅格图像形式的建筑轮廓。这一需求与现有多数方法形成对比，后者通常生成过度平滑的轮廓多边形。编辑这些自动生成的多边形可能效率低下，甚至比人工数字化更耗时。本文提出一种通过语义敏感超像素与神经图网络的建筑轮廓半自动提取方法。受基于对象的分类技术启发，我们首先学习生成不仅保持边界且语义敏感的超像素。这些超像素仅对建筑边界而非其他自然物体响应，同时生成建筑的语义分割。这些中间超像素表示可自然视为图中的节点。因此，采用图神经网络建模所有超像素间的全局交互并增强节点特征对建筑分割的代表性。利用经典方法提取并规则化矢量化建筑轮廓的边界。借助极少点击与简单笔触，我们高效达成精确分割结果，无需编辑多边形顶点。我们所提方法在多个公共基准数据集上的实验评估验证了更优的精度与效能。矢量图形评估中AP50显著提升8%，超越了已有技术。此外，我们设计了一种优化且精细的交互式编辑流程，有望进一步提升结果整体质量。
引用
@article{arxiv.2304.05661,
title = {SuperpixelGraph: Semi-automatic generation of building footprint through semantic-sensitive superpixel and neural graph networks},
author = {Haojia Yu and Han Hu and Bo Xu and Qisen Shang and Zhendong Wang and Qing Zhu},
journal= {arXiv preprint arXiv:2304.05661},
year = {2023}
}