要約
グラフに対する深層生成モデルは、創薬分野において大きな可能性を示しているが、これまでのところグラフ構造を持つ分子の生成に留まっている。本研究では、画像データから道路網を抽出するという困難なタスクに対する概念実証を示す。このタスクは、画像を条件としたグラフ生成として定式化でき、そのため我々は画像条件付きの注意機構と再帰的なグラフ生成を活用する深層自己回帰モデルである「Generative Graph Transformer（GGT）」を提案する。GGTは、セマンティックセグメンテーションデータから道路網を抽出する応用において評価された。これに伴い、実際の公開データを基にした「Toulouse Road Networkデータセット」を導入する。さらに、道路網生成の品質を効果的に評価するための新たな指標として「StreetMover距離」を提案する。これはSinkhorn距離に基づくメトリクスであり、生成された道路網の構造的整合性を高精度で評価可能である。本研究のコードおよびデータセットは、公開されている。