Building Footprint Extraction with Graph Convolutional Network

要約

タイトル：グラフ畳み込みネットワークを使用した建物フットプリント抽出

要約：

– 建物フットプリント情報は、都市モデルの3D再構成に必要不可欠な情報です。
– 衛星画像から自動生成する建物フットプリントは、建物形状の複雑さにより、非常に困難なタスクです。
– 深層畳み込みニューラルネットワークの最近の発展により、正確なピクセルレベルのラベリングタスクが可能となりましたが、正確な境界線の細かい分割を生成することは、従来の深層アーキテクチャでは、ダウンサンプリングによって失敗する傾向がありました。
– この論文では、グラフ畳み込みネットワーク（GCN）を使用して、建物フットプリント抽出タスクを行うためのエンドツーエンドのフレームワークを提案しています。
– 提案されたフレームワークは、従来の方法よりも優れた性能を発揮しています。

要約(オリジナル)

Building footprint information is an essential ingredient for 3-D reconstruction of urban models. The automatic generation of building footprints from satellite images presents a considerable challenge due to the complexity of building shapes. Recent developments in deep convolutional neural networks (DCNNs) have enabled accurate pixel-level labeling tasks. One central issue remains, which is the precise delineation of boundaries. Deep architectures generally fail to produce fine-grained segmentation with accurate boundaries due to progressive downsampling. In this work, we have proposed a end-to-end framework to overcome this issue, which uses the graph convolutional network (GCN) for building footprint extraction task. Our proposed framework outperforms state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI