自動マップ抽出は、都市コンピューティングおよび位置ベースサービスにおいて極めて重要である。航空画像とGPSトラジェクトリデータは、マップ生成に活用可能な異なるデータソースであり、それぞれ異なる種類の情報を含んでいる。これまでの航空画像と補助センサからのデータ間のデータ統合に関する研究では、両モダリティが持つ情報を十分に活用できず、情報損失の問題に直面している。本研究では、航空画像とトラジェクトリデータをよりスムーズに統合し、デジタルマップを抽出するための深層畳み込みニューラルネットワーク「DeepDualMapper」を提案する。本手法では、両モダリティ間の情報フローを補完的意識に基づいて明示的に制御するゲート付き統合モジュールを設計した。さらに、粗い段階から細かい段階へと予測を生成する「新しい密な監視を備えた精緻化デコーダー」を提案した。包括的な実験結果から、DeepDualMapperは従来の手法に比べて画像とトラジェクトリデータの情報をはるかに効果的に統合でき、より高い精度のマップ生成が可能であることが示された。