Компьютерные науки > компьютерное видение и распознавание моделей [представлено 17 сентября 2026 года] Название: " Сегментация внутренних расчетов и тонкозернистая классификация городских зданий с адаптационными районами, дивидендизирующими и пространственно-противоположными видами обучения PDF HTML (экспериментальное) резюме: Для цифровой модели городов и городского анализа крайне важное значение имеет глубокое функциональное понимание состояния городских зданий в крупных точечных облаках. Однако обширный пространственный охват городских сцен ведет к тому, что большинство существующих методов опираются на заранее определенные блоки для подготовки и оценки, хотя такие разделки редко используются в реальных прикладных системах и предусматривают дополнительную предварительную обработку, а также фрагментацию полных строительных конструкций. Для решения этой проблемы мы предлагаем адаптивную стратегию регионального переноса с единой оценкой на уровне районов. В частности, 3D-точечное облако проецируется на плоскость птичьего глаза (BEV), где для обнаружения районов зданий используется заранее обученная модель сегментации. В этом случае обнаруженные блоки с ограниченной ответственностью вновь проецируются в исходное облако точки для построения адаптивных блоков, не поддающихся изменению структуры, что позволяет осуществлять динамическую разделку на основе семантического руководства без ручной конструкции. Кроме того, помимо понимания на уровне конкретных примеров, мало…
Сегментная классификация по конкретным случаям и мелкозернистый классификатор для городских зданий с адаптивными районами дивидендизации и пространственно-территориального противоестественного обучения
arXiv:2609.19631v1 Вид уведомления: новое резюме: точное и функциональное понимание городских зданий в крупных облаках имеет важное значение для моделирования цифровых городов и городского анализа. Однако обширный пространственный охват городских сцен ведет к тому, что большинство существующих методов опираются на заранее определенные блоки для подготовки и оценки, хотя такие разделки редко используются в реальных прикладных системах и предусматривают дополнительную предварительную обработку, а также фрагментацию полных строительных конструкций. Для решения этой проблемы мы предлагаем адаптивную стратегию регионального переноса с единой оценкой на уровне районов. В частности, 3D-точечное облако проецируется на плоскость птичьего глаза (BEV), где для обнаружения районов зданий используется заранее обученная модель сегментации. В этом случае обнаруженные блоки с ограниченной ответственностью вновь проецируются в исходное облако точки для построения адаптивных блоков, не поддающихся изменению структуры, что позволяет осуществлять динамическую разделку на основе семантического руководства без ручной конструкции. Кроме того, бэйо