arXiv · 机器人与计算机视觉· Remi Petitpierre·· 17 天前AI 评分38
Semap 数据集与多尺度分割工作流实现异构历史地图泛化分割
Generalizable Multiscale Segmentation of Heterogeneous Map Collections
AI 导读
Semap 是一个包含 1,439 个手动标注补丁的开源基准数据集,旨在解决历史地图风格、比例尺及地理焦点高度多样化的难题。该研究提出的结合程序数据合成与多尺度融合的分割工作流,在统一基准下表现最强且能泛化学习异构数据。结果显示分割性能在不同地图集合、比例尺、地理区域及出版背景下保持基本稳定,为整合长尾制图档案提供了共享本体与评估方案。
来源:arXiv · 机器人与计算机视觉 · arxiv.org