Core Concepts
Segment Anything 모델을 활용하여 위성 영상에서 대규모 벡터화된 도로 네트워크 그래프를 효율적으로 추출할 수 있다.
Abstract
이 연구는 Segment Anything 모델(SAM)을 활용하여 위성 영상에서 대규모 벡터화된 도로 네트워크 그래프를 추출하는 SAM-Road 모델을 제안한다.
도로 네트워크 그래프의 기하학적 구조는 밀집 의미 분할 작업으로 모델링되며, SAM의 내재적 강점을 활용한다.
도로 네트워크 그래프의 토폴로지는 SAM 이미지 특징을 활용하는 경량 트랜스포머 기반 그래프 신경망으로 예측된다.
이 접근법은 복잡한 후처리 휴리스틱 없이도 대규모 도로 네트워크 그래프를 직접 예측할 수 있으며, 빠른 GPU 추론 속도를 달성한다.
실험 결과, SAM-Road는 기존 최첨단 방법과 비교하여 정확도가 유사하거나 더 높으며, 추론 속도가 최대 80배 빠르다.
Stats
위성 영상 데이터셋은 최대 4 제곱킬로미터 면적을 포함한다.
도로 네트워크 그래프는 수천 개의 노드와 간선으로 구성될 수 있다.