Khái niệm cốt lõi
RoofDiffusionは、極端な疎性、不完全性、ノイズを持つ屋根高度マップを効果的に修復することができる。また、修復された高度マップを使うことで、3Dビル再構築の精度を大幅に向上させることができる。
Tóm tắt
本論文では、RoofDiffusionと呼ばれる新しい自己教師あり型のディフュージョンモデルを提案している。RoofDiffusionは、屋根高度マップの修復に特化しており、以下の点で優れている:
- 極端な疎性(最大99%)や不完全性(最大80%)、ツリーノイズなどの課題に対して頑健である。
- 建物の足跡情報を活用することで、より正確な高度マップの修復が可能。
- 足跡情報を使わない"No-FP RoofDiffusion"も提案しており、高度マップと足跡の同時予測が可能。
さらに、本論文では以下の貢献もある:
- 13,000件もの複雑な屋根形状を含む新しいデータセット"PoznanRD"を提供。
- ツリーの遮蔽やマスクによる不完全性の合成手法を提案。
- 修復された高度マップを3Dビル再構築アルゴリズムの前処理に使うことで、再構築精度が大幅に向上することを示した。
実験では、PoznanRDデータセットや BuildingNet、実世界の AHN3、Dales3D、USGS 3DEP LiDARデータなどで評価を行い、RoofDiffusionの有効性を確認した。
Thống kê
高度マップの疎性は最大99%に達する。
高度マップの不完全性は最大80%に達する。
実世界のUSGS 3DEP LiDARデータでは、34%から50%の高度マップがノイズや不完全性に侵されている。
Trích dẫn
"RoofDiffusionは、極端な疎性、不完全性、ノイズを持つ屋根高度マップを効果的に修復することができる。"
"修復された高度マップを使うことで、3Dビル再構築の精度を大幅に向上させることができる。"
"13,000件もの複雑な屋根形状を含む新しいデータセット'PoznanRD'を提供する。"