Oct, 2023

HeightFormer：用于航空图像单目高度估计的多层交互和图像自适应分类 - 回归网络

PDF
TL;DR这篇论文介绍了一种综合解决方案，用于遥感中的单眼高度估计，被称为 HeightFormer，结合了多级相互作用和图像自适应分类 - 回归。
height estimationremote sensingmonocular height estimationmultilevel interactionsimage-adaptive classification-regression
发现论文，激发创造
  • IM2HEIGHT: 使用全残差卷积 - 解卷积网络从单目图像估计高度

    本文提出了一种使用卷积 - 解卷积神经网络进行单目遥感图像高度估计的方法，并使用柏林高分辨率航空图像数据集进行了验证，结果表明该方法有效。

    Feb, 2018

  • HTC-DC Net：单一遥感图像的单目高度估计

    通过提出 HTC-DC Net 方法，从光学影像数据中进行单目高度估计，该方法在三个不同分辨率的数据集上获得了比现有方法更好的结果，解决了长尾问题和网络偏差问题。

    Sep, 2023

  • 利用街景图像增强航拍图像的单目高度估计

    通过结合街景图像和几何约束，本文提出了一种改进单目高度估计的方法，实验结果表明该方法比基线方法更准确且在精度和结构一致性方面有显著改进。

    Nov, 2023

  • 结合地理位置和街景图像估计物体高度

    本文提出了使用街景 RGB 图像进行多类物体地理定位和高度估计的流程，通过 Markov 随机场优化得到确定性输出，该技术使用图像元数据以及在图像平面上检测到的物体的坐标，计算物体高度，其对总体计算成本的影响可忽略不计。作者通过实验证明，在水管和路标的平均海拔估计误差低于 20 厘米。

    May, 2023

  • LIGHT: 卫星图像联合多任务学习网络实现建筑物提取和高度估计

    通过多任务学习神经网络 (LIGHT) 将个体的建筑提取和高度估计结合起来，在输出建筑物的高度地图、边界框和分割掩码图的同时，通过门控交叉任务交互 (GCTI) 模块提高了特征交互的效率。实验结果表明，背景为 ResNet101 的 LIGHt 在 DFC2023 数据集上表现出优越的性能，并使多任务学习的性能显著提高了 2.8％ AP50 和 6.5％ delta1。

    Apr, 2023

  • HeightFormer: 鸟瞰视角的摄像头仅使用，无需额外数据的显性高度建模的 3D 物体检测

    通过显式地在鸟瞰视角空间中建模高度的方式，我们提出了 HeightFormer 方法，该方法可以准确地估计鸟瞰视角中的高度，而无需使用额外数据。基准结果显示，与仅使用相机的方法相比，HeightFormer 的性能达到了最先进水平。

    Jul, 2023

  • 面部和身体形状能透露身高信息

    本论文主要研究从单个图像中恢复人的高度，采用机器学习模型结合人体解剖学的相关特征进行估计，构建了一个新的数据集，通过人脸识别和分配一致性将明确的高度标签扩展到更多的图像，并获得了 5.56cm 的平均绝对误差。

    May, 2018

  • 使用 Sentinel-1 SAR 和 Sentinel-2 MSI 时序数据的 CNN 回归模型估算建筑物高度图

    本研究提出了一种基于卫星数据的多模态建筑高度回归网络，利用 Sentinel-1 和 Sentinel-2 卫星时间序列数据，在 10m 空间分辨率下估计建筑高度，在荷兰的 10 个城市进行训练和测试，得出了良好的性能结果，证明其在准确估计建筑高度方面具有潜力。

    Jul, 2023

  • HGDNet: 单视角建筑物提取和高度估计的高度层级引导的双解码器网络

    本研究提出一种基于 Height-hierarchy Guided Dual-decoder Network (HGDNet) 的方法，通过集合卫星图像建筑提取和高度估计任务，实现大规模城市 3D 重建，并在 DFC 2023 数据集上展示了在建筑高度估计、实例提取和最终平均得分方面的优越性。

    Aug, 2023

  • 视觉定位的分层场景坐标分类和回归

    本研究提出了一种新的基于层次场景坐标网络的方法，用于从单个 RGB 图像中逐步预测像素场景坐标，并在单幅图像中取得了新的最佳单色彩 RGB 定位性能，同时也减小了性能差距。

    Sep, 2019