Segmenting France Across Four Centuries

要約

歴史的地図は、衛星またはリモートセンシング技術が存在する前に、過去数世紀にわたって領土の進化に非常に貴重な視点を提供します。
深い学習方法は、履歴マップのセグメント化に有望な結果を示していますが、一般に利用可能なデータセットは通常、単一のマップタイプまたは期間に焦点を当て、広範で費用のかかる注釈が必要であり、全国的な長期分析には適していません。
この論文では、限られた注釈を備えた大規模で長期的な土地利用と土地被覆の進化を分析するために調整された履歴マップの新しいデータセットを紹介します。
メトロポリタンフランス（548,305 km^2）にまたがるデータセットには、18世紀、19世紀、20世紀の3つのマップコレクションが含まれています。
包括的なモダンラベルと、18世紀と19世紀のマップで手動で注釈された履歴ラベルの22,878 km^2の両方を提供しています。
データセットは、セグメンテーションタスクの複雑さを示しており、文体的な矛盾、解釈的なあいまいさ、および大幅な景観の変化を特徴としています（たとえば、森林を支持して湿地が消えています）。
3つのアプローチをベンチマークすることにより、これらの課題の難しさを評価します。履歴ラベルで訓練された完全に監視されたモデルと、最新の注釈のみに依存する2つの弱い監視モデルです。
後者は、最新のラベルを直接使用するか、最初に画像間翻訳を実行して、歴史的地図と現代の地図の間の文体的なギャップに対処します。
最後に、これらの方法が長期的な環境監視をサポートする方法について説明し、何世紀にもわたる景観変換に関する洞察を提供します。
当社の公式プロジェクトリポジトリは、https://github.com/archiel19/frax4.gitで公開されています。

要約(オリジナル)

Historical maps offer an invaluable perspective into territory evolution across past centuries–long before satellite or remote sensing technologies existed. Deep learning methods have shown promising results in segmenting historical maps, but publicly available datasets typically focus on a single map type or period, require extensive and costly annotations, and are not suited for nationwide, long-term analyses. In this paper, we introduce a new dataset of historical maps tailored for analyzing large-scale, long-term land use and land cover evolution with limited annotations. Spanning metropolitan France (548,305 km^2), our dataset contains three map collections from the 18th, 19th, and 20th centuries. We provide both comprehensive modern labels and 22,878 km^2 of manually annotated historical labels for the 18th and 19th century maps. Our dataset illustrates the complexity of the segmentation task, featuring stylistic inconsistencies, interpretive ambiguities, and significant landscape changes (e.g., marshlands disappearing in favor of forests). We assess the difficulty of these challenges by benchmarking three approaches: a fully-supervised model trained with historical labels, and two weakly-supervised models that rely only on modern annotations. The latter either use the modern labels directly or first perform image-to-image translation to address the stylistic gap between historical and contemporary maps. Finally, we discuss how these methods can support long-term environment monitoring, offering insights into centuries of landscape transformation. Our official project repository is publicly available at https://github.com/Archiel19/FRAx4.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google