论文阅读：P2PFormer

合集 - 论文阅读(5)

1.对称性阅读笔记01-162.可微分Top-K 方法01-213.三个点云深度学习网络的理解01-06

4.论文阅读：P2PFormer02-01

5.论文阅读：城市形象02-04

收起

　　P2PFormer: A Primitive-to-Polygon Method for Regular Building Contour Extraction From Remote Sensing Images　　

　　由于建筑物形状复杂多样、遮挡和噪声，从遥感图像中提取建筑物轮廓是一项重大挑战。现有方法通常难以处理不规则轮廓、圆角和冗余点，需要进行大量后处理才能生成规则的多边形建筑物轮廓。

1. 摘要

　　首先分割通用几何图元（可以包括顶点、线和角点），然后预测它们的序列。这样可以通过按顺序连接分割的图元来直接构建规则的建筑物轮廓。

　　通过按顺序连接分割的图元来直接构建规则的建筑物轮廓。开发了使用$Transformer$的图元到多边形网络 (P2PFormer)，它使用基于$Transformer$的架构来分割几何图元并预测其顺序。

 

　　P2PFormer 引入了一种精简而优雅的架构，其基本思路是从具有拓扑顺序的图元直接生成规则的建筑物轮廓，无需任何后处理。

　　P2PFormer 工作流程：

　　（1）使用传统的检测头生成每个建筑物的边界框；研究中使用 [28] 中引用的 FCOS 头。

　　（2）图元分割器分割预定数量的图元，预测它们在每个建筑物边界框内的位置和置信度得分。根据预测的置信度得分，可以有效地过滤掉错误和多余的图元。

　　（3）顺序解码器根据图元的查询确定保留图元的顺序。