近日，我院陈奇副教授团队联合武汉大学、广西大学和华为云计算技术有限公司等合作单位，在国际知名期刊《Information Fusion》（影响因子：18.6）上发表了题为“End-to-endMultiviewFusion forBuildingMapping fromAerialImages”（航空影像建筑物制图的端对端多视融合方法）的研究论文。

建筑物轮廓提取与制图是摄影测量与遥感领域的经典问题。尽管深度学习方法的深入应用显著提升了遥感影像建筑物提取的精度水平，自动化的高精度制图当前仍面临较大挑战。本研究重点着眼于将目前主流建筑物分割学习框架从单一物方空间拓展至“多视像方与物方联动的双重空间”，从而挖掘利用航空摄影测量工程中固有的多视冗余观测信息，以更好地促进建筑物分割任务中的特征融合。研究提出了名为Multiview Mapper（MVMapper）的端对端学习框架，在两组多视航空影像数据集上取得了明显的精度提升效果，揭示了多视融合方案在遥感影像建筑物制图领域的应用潜力。

图1MVMapper模型架构

该论文以中国地质大学（武汉）地理与信息工程学院为第一署名单位完成，陈奇副教授为第一作者，我院硕士生甘文祥为第二作者，武汉大学陶鹏杰副教授为通讯作者。该项研究在国家自然科学基金（42371475,41801390）和华为学术合作项目资助下完成，同时得到宁波东方理工大学（暂名）超算中心和宁波数字孪生（东方理工）研究院超算中心支持。

论文链接：https://www.sciencedirect.com/science/article/pii/S1566253524002768