초록
그래프에 대한 딥 생성 모델은 약물 설계 분야에서 큰 잠재력을 보여왔지만, 현재까지는 그래프 구조를 가진 분자 생성 외에는 거의 응용되지 않았다. 본 연구에서는 이미지 데이터로부터 도로망을 추출하는 도전적인 작업에 대한 개념 증명을 제시한다. 이 작업은 이미지 조건부 그래프 생성 문제로 모델링할 수 있으며, 이를 위해 우리는 이미지 조건부 처리를 위한 어텐션 메커니즘과 그래프의 순차적 생성을 위한 반복적 구조를 활용하는 딥 자동회귀 모델인 생성 그래프 트랜스포머(Generative Graph Transformer, GGT)를 개발하였다. GGT는 실세계 공개 데이터를 기반으로 구성된 툴루즈 도로망 데이터셋(Toulouse Road Network dataset)을 활용하여, 의미 분할 데이터로부터 도로망 추출에 대한 벤치마킹을 수행하였다. 또한 도로망 생성 품질을 효과적으로 평가하기 위해 Sinkhorn 거리 기반의 새로운 지표인 StreetMover 거리를 제안한다. 본 연구의 코드와 데이터셋은 모두 공개되어 있다.