DeepDualMapper：一种基于门控融合网络的利用航拍图像与轨迹实现自动制图的方法

自动地图提取在城市计算与基于位置的服务中具有重要意义。航拍图像与GPS轨迹数据代表了两种不同的数据源，均可用于地图生成，但其所携带的信息类型各不相同。以往大多数关于航拍图像与辅助传感器数据融合的研究未能充分挖掘两种模态的信息潜力，因而普遍存在信息丢失的问题。为此，我们提出一种名为DeepDualMapper的深度卷积神经网络，能够以更加无缝的方式融合航拍图像与轨迹数据，实现数字地图的高效提取。我们设计了一种门控融合模块，以互补感知的方式显式控制来自两种模态的信息流动。此外，我们提出一种新型的密集监督细化解码器，实现从粗到精的预测生成。大量实验证明，与现有方法相比，DeepDualMapper能够更有效地融合图像与轨迹信息，生成具有更高精度的地图。