基于街景对比聚类与地理先验的无监督城市土地利用制图
计算机视觉与模式识别
2025-05-14 v2 人工智能
摘要
城市土地利用分类与制图对于城市规划、资源管理和环境监测至关重要。由于缺乏地面细节，现有的遥感技术在复杂的城市环境中往往精度不足。与航空视角不同，街景图像提供了地面视角，能够捕捉复杂城市场景中与土地利用相关的更多人类和社会活动。现有的基于街景的方法主要依赖监督分类，这受到高质量标注数据稀缺以及难以在不同城市景观间泛化的挑战。本研究引入了一种内置地理先验的无监督对比聚类模型，用于街景图像以增强聚类性能。当与简单的簇视觉分配相结合时，我们的方法提供了一种灵活且可定制的土地利用制图解决方案，可根据城市规划者的特定需求进行定制。我们通过实验表明，我们的方法能够从两个城市的带有地理标签的街景图像数据集生成土地利用图。由于我们的方法依赖于地理空间数据的普遍空间连贯性（“Tobler 定律”），它可以适应有街景图像可用的各种环境，以实现可扩展的、无监督的土地利用制图与更新。代码将在 https://github.com/lin102/CCGP 提供。
引用
@article{arxiv.2504.17551,
title = {Unsupervised Urban Land Use Mapping with Street View Contrastive Clustering and a Geographical Prior},
author = {Lin Che and Yizi Chen and Tanhua Jin and Martin Raubal and Konrad Schindler and Peter Kiefer},
journal= {arXiv preprint arXiv:2504.17551},
year = {2025}
}
备注
11 pages, 7 figures, preprint version