论文赏读 | CVPRW24 | SAM用于遥感影像中提取向量化的道路图网络

文章预览

 RS   DL  论文介绍 题目：Segment Anything Model for Road Network Graph Extraction 会议：CVPR 2024 2nd Workshop on Scene Graphs and Graph Representation Learning 论文：http://arxiv.org/abs/2403.16051 代码：https://github.com/htcr/sam_road 年份：2024 该篇由论文原作者审核 创新点 SAM-Road 模型：发挥了 SAM模 型的能力， 结合了语义分割和图神经网络。模型可以直接预测图的顶点和边，无需复杂的后处理启发式方法。 图形几何和拓扑预测：使用密集语义分割来预测图形的几何结构，并使用轻量级的基于Transformer的图神经网络来预测拓扑结构，从而实现准确和快速的预测。 效率和速度：在城市数据集上的处理速度比现有最先进的方法快 40 倍，同时不牺牲准确性， 能够在几秒钟内构建跨越数平方公里的完整道路网络图。 数据 City-scale 数据集 数据集包含来自美国20个城市的180张卫星图像，其中 29 ………………………………