Data-driven Approach for Automatically Correcting Faulty Road Maps

要約

道路ネットワークの維持は労働集約的であるため、この現実世界の問題を解決するために、多くの自動道路抽出アプローチが導入されてきました。これは、豊富な大規模な高解像度衛星画像とデータ駆動型ビジョン技術の進歩に支えられています。
ただし、それらのパフォーマンスは、実際のサービスでのロードマップ抽出の完全自動化に限定されています。
したがって、多くのサービスは、抽出されたロード マップに対してヒューマン イン ザ ループ アプローチを採用しています。つまり、半自動検出と欠陥のあるロード マップの修復です。
私たちの論文は後者にのみ焦点を当てており、ロードマップを修正するための新しいデータ駆動型アプローチを紹介しています。
道路形状ごとにカスタムメイドのアルゴリズムを使用せずに複雑な道路形状に取り組むための画像修復アプローチを組み込み、あらゆる道路地図セグメンテーション モデルに容易に適用できる方法を生み出します。
直線道路や曲がりくねった道路、T 字路、交差点など、さまざまな現実世界の道路形状に対するこの手法の有効性を実証します。

要約(オリジナル)

As maintaining road networks is labor-intensive, many automatic road extraction approaches have been introduced to solve this real-world problem, fueled by the abundance of large-scale high-resolution satellite imagery and advances in data-driven vision technology. However, their performance is limited to fully automating road map extraction in real-world services. Hence, many services employ the human-in-the-loop approaches on the extracted road maps: semi-automatic detection and repairing faulty road maps. Our paper exclusively focuses on the latter, introducing a novel data-driven approach for fixing road maps. We incorporate image inpainting approaches to tackle complex road geometries without custom-made algorithms for each road shape, yielding a method that is readily applicable to any road map segmentation model. We demonstrate the effectiveness of our method on various real-world road geometries, such as straight and curvy roads, T-junctions, and intersections.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google