Крыша: сеть трансформатора, на которой покрываются кромки и которая предназначена для сегментации конечной части крыши

#Крыша #Annuales #Type #Сегментация #LIDAR

arXiv:2508.19003v2 Annuales Type: заменить резюме: Сегментация плоскости крыши является одной из ключевых процедур восстановления трехмерных (3D) строительных моделей на уровнях детализации (LoD) 2 и 3 от облаков, установленных для обнаружения света в воздухе, а также с точки измерения (LIDAR). Большинство нынешних подходов к сегментации плоскости крыши основаны на разработанных вручную или извлеченных уроках, за которыми следуют некоторые специально разработанные стратегии геометрического кластерирования. Поскольку полученные знания являются более мощными по сравнению с теми, которые были разработаны вручную, подходы к глубокому обучению обычно лучше традиционных подходов. Однако нынешние подходы, основанные на глубоком обучении, имеют три нерешенные проблемы. Во-первых, большинство из них не являются действительно конечными, результаты сегментации плоскости могут быть не оптимальными. Во-вторых, точка различимости вблизи краев является относительно низкой и приводит к неточному раскалённому краю. Третий заключается в том, что геометрические характеристики плана не являются su

Компьютерная наука > Компютерное видение и распознавание модели [представлено 26 августа 2025 года (v1), последнее пересмотренное 15 сентября 2026 года (эта версия, v2)) Название: RoofSeg: Сеть на основе кромки трансформатора для сегментации плоскости крыши от конца до конца Вид PDF HTML (экспериментальное) Резюме: Сегментация с помощью круговой плоскости является одной из ключевых процедур восстановления трехмерных (3D) строительных моделей на уровнях детализации (LOD) 2 и 3 в результате обнаружения лучей света по воздуху и дальности (LIDAR). Большинство нынешних подходов к сегментации плоскости крыши основаны на разработанных вручную или извлеченных уроках, за которыми следуют некоторые специально разработанные стратегии геометрического кластерирования. Поскольку полученные знания являются более мощными по сравнению с теми, которые были разработаны вручную, подходы к глубокому обучению обычно лучше традиционных подходов. Однако нынешние подходы, основанные на глубоком обучении, имеют три нерешенные проблемы. Во-первых, большинство из них не являются действительно конечными, результаты сегментации плоскости могут быть не оптимальными. Во-вторых, точка различимости вблизи краев является относительно низкой и приводит к неточному раскалённому краю. Третий заключается в том, что плановые геометрические характеристики не учитываются в достаточной степени для ограничения подготовки по вопросам сети. Для решения этих вопросов была разработана новая сеть, построенная на кромке…