Key points are not available for this paper at this time.
斜め写真によって生成される自動モデリングでは、さまざまな地形を三角化不規則ネットワーク(TIN)内で個別に物理的に識別することはできません。単一の建物などの個々の特徴を表すデータを活用するためには、これらの異なる部分を特定して抽出するために単量体構造の構築プロセスが必要です。このアプローチは、特定のエンティティに焦点を当てることで複雑なシーンからの干渉を緩和し、後続の分析を助けます。深層畳み込みニューラルネットワークが構築され、U-NetとResNeXtのアーキテクチャを組み合わせています。このネットワークはデジタル正射影図(DOM)と斜め写真データの両方を入力として受け取り、建物の多角形フットプリントを効果的に抽出します。異なるアルゴリズム間での抽出精度を比較した結果、ResNeXtベースのネットワークが建物のセグメンテーションにおいて最高のIoU(交差比)を達成し、0.8255に達しました。提案された「動的仮想単量体」技術は、抽出されたベクトルフットプリントを元の斜め写真表面に対して動的に結びつけることで、個々の建物の選択的な表現とクエリが可能となります。実証的証拠は、この技術がインタラクティブなクエリと空間分析において効果的であることを示しています。この方法は自動化のレベルが高く、優れた精度を持ち、3D都市モデリングや地理情報システム(GIS)分析における斜め写真データのさらなる応用を進展させることができます。
Wang et al.(Mon、)はこの問題を研究しました。
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: