[論文レビュー] PolyMapper: Extracting City Maps using Polygons.

Zuoyue Li, Jan Dirk Wegner+1 more|arXiv (Cornell University)|Dec 4, 2018

Automated Road and Building Extraction参考文献 39被引用数 12

ひとこと要約

PolyMapperは、空中画像から閉じた多角形として表された都市地図（建物の敷地および道路網）を直接予測するエンド・ツー・エンドのディーブラーニングモデルを提案する。幾何学的表現を統一するために、独創的な順序化手法を用いる。本手法は、既存の地図サービスと高い類似性を示す大規模なトポロジカル地図抽出において、最先端の性能を達成する。

ABSTRACT

We propose a new approach, named PolyMapper, to circumvent the conventional pixel-wise segmentation of (aerial) images and predict objects in a vector representation directly. PolyMapper directly extracts the topological map of a city from overhead images as collections of building footprints and road networks. In order to unify the shape representation for different types of objects, we also propose a novel sequentialization method that reformulates a graph structure as closed polygons. Experiments are conducted on both existing and self-collected large-scale datasets of several cities. Our empirical results demonstrate that our end-to-end learnable model is capable of drawing polygons of building footprints and road networks that very closely approximate the structure of existing online map services, in a fully automated manner. Quantitative and qualitative comparison to the state-of-the-art also shows that our approach achieves good levels of performance. To the best of our knowledge, the automatic extraction of large-scale topological maps is a novel contribution in the remote sensing community that we believe will help develop models with more informed geometrical constraints.

研究の動機と目的

• ピxls単位のセグメンテーションを回避し、直接ベクトル化された都市地図を出力するエンド・ツー・エンドで学習可能なモデルの開発。
• 建物や道路などの多様な都市オブジェクトの表現を、共通の多角形ベースのフォーマットで統一すること。
• 上空画像からトポロジカルな都市地図の大規模かつ完全自動抽出を可能にすること。
• リモートセンシング地図生成における幾何的正確性とトポロジカルな一貫性の向上。

提案手法

• グラフ構造の都市オブジェクトを閉じた多角形表現に再定式化する、独創的な順序化手法の提案。
• 空中画像から直接多角形座標を予測するディーブラーニングアーキテクチャの設計。セグメンテーションを回避する。
• 微分可能な多角形表現を用いて、幾何学的監視のもとでエンド・ツー・エンドの学習を可能にする。
• 形状の正確性とトポロジカルな一貫性の両方を最適化する統一されたベクトルベースの損失関数の採用。
• 複数の都市の既存および新規に収集した大規模な空中画像データセットを用いて訓練および評価。
• 局所化精度および境界の正確性を向上させるために、マルチスケール特徴量と空間アテンションを統合。

実験結果

リサーチクエスチョン

• RQ1 ディーブラーニングモデルは、ピxls単位のセグメンテーションを経由せずに、直接建物および道路のベクトル化された都市地図（閉じた多角形）を予測できるか？
• RQ2 統一された多角形表現は、多様な都市オブジェクトタイプにわたり、幾何的およびトポロジカルな正確性をどの程度保持できるか？
• RQ3 従来のグラフまたはセグメンテーションベースのアプローチと比較して、提案された順序化手法は、複雑な都市構造のモデリングをどの程度改善できるか？
• RQ4 定量的マップ品質および視覚的類似性の観点から、PolyMapperは最先端の手法と比較してどの程度の性能を示すか？

主な発見

• PolyMapperは高い幾何的正確性を達成し、既存のオンライン地図サービスの構造に近い建物の敷地および道路網を生成する。
• 複数の都市における既存および自ら収集した大規模データセットにおいて、強力な一般化性能を示す。
• 定量的比較により、ベクトル地図抽出タスクにおいて最先端の手法を上回る性能を示す。
• 提案された順序化手法により、形状およびトポロジカルな一貫性が向上したエンド・ツー・エンドの学習が有効に実現される。
• 本アプローチにより、空中画像からトポロジカルな都市地図を完全自動かつスケーラブルに生成可能となる。
• 結果から、多角形による監視のもとでのベクトルベースのモデリングは、ピxlsレベルのセグメンテーションに比べてより明確な幾何的制約を提供することが確認された。