arXiv · 机器人与计算机视觉· Sidi Wu, Yizi Chen, Maurizio Gribaudi, Konrad Schindler, Cl\'ement Mallet, Julien Perret, Lorenz Hurni·· 2026-10-21AI 评分5
深度学习实现历史地图对齐以分析城市变迁
Deep learning enables urban change profiling through alignment of historical maps
AI 导读
该研究提出基于深度学习的框架,通过空间地图配准、多时相对象提取及变化估算模块,解决历史地图序列的空间错位与质量退化难题。实验在 1868 至 1937 年的巴黎数据上验证了方法的鲁棒性,揭示了城市变迁的时空异质性。该模块化设计为未来适配不同制图语境及下游应用提供了灵活性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org