إن استخراج الخرائط تلقائيًا يُعد أمرًا بالغ الأهمية في مجال الحوسبة الحضرية والخدمات القائمة على الموقع. تُمثل الصور الجوية وبيانات المسارات المستندة إلى نظام تحديد المواقع (GPS) نوعين مختلفين من المصادر البياناتية التي يمكن استغلالها لإنشاء الخرائط، على الرغم من أن كليهما يحتوي على أنواع مختلفة من المعلومات. تُعاني معظم الدراسات السابقة المتعلقة بدمج البيانات بين الصور الجوية والبيانات المستمدة من أجهزة استشعار ثانوية من عدم الاستفادة الكاملة من المعلومات المتوفرة في كلا الموداليتين، مما يؤدي إلى فقدان جزء من المعلومات. نقترح شبكة عصبية متعددة الطبقات باستخدام التعلم العميق تُسمى DeepDualMapper، والتي تُدمج الصور الجوية مع بيانات المسارات بطريقة أكثر سلاسة لاستخراج الخريطة الرقمية. وقد صممنا وحدة دمج مُتحكّمة (gated fusion module) لتوجيه تدفق المعلومات من كلا الموداليتين بشكل صريح وبطريقة تراعي التكامل بينهما. علاوةً على ذلك، قمنا بطرح مُفكّك مُحسَّن مُدرج كثيفًا (densely supervised refinement decoder) جديد يُولِّد التنبؤات بطريقة من الخشن إلى الدقيق. تُظهر التجارب الشاملة التي أجريناها أن DeepDualMapper تستطيع دمج المعلومات من الصور والمسارات بكفاءة أعلى بكثير مقارنةً بالطرق الحالية، وتمكّن من إنتاج خرائط ذات دقة أعلى.