ECCV 2020 论文大盘点-遥感与航空影像处理识别篇
本文盘点 ECCV 2020 中遥感与航空影像相关论文，总计 5 篇。包含图像合成、图像分类、重建、分割等工作。
下载包含这些论文的 ECCV 2020 所有论文：
卫星图像，图像合成
Synthesis and Completion of Facades from Satellite Imagery
作者 | Xiaowei Zhang, Christopher May, Daniel Aliaga
单位 | 普渡大学
论文 | https://www.ecva.net/papers/eccv_2020/
papers_ECCV/papers/123470562.pdf
备注 | ECCV 2020 Oral
一种从卫星图像自动合成清晰而规则的建筑物外墙方法
高光谱图像分类
Representative-Discriminative Learning for Open-set Land Cover Classification of Satellite Imagery
作者 | Razieh Kaviani Baghbaderani, Ying Qu, Hairong Qi, Craig Stutts
单位 | 田纳西大学；Applied Research Associates
论文 | https://arxiv.org/abs/2007.10891
代码 | https://github.com/raziehkaviani/rdosr
备注 | ECCV 2020
本文研究开集土地覆盖分类的问题，在测试过程中识别属于未知类的样本，同时保持已知类的性能。本质上是一个分类问题，但为了更好地将未知类与已知类区分开，需要同时利用数据的代表性和鉴别性。
提出 representative-discriminative open-set recognition (RDOSR)框架，将原始图像空间数据 projects 到利于区分相似类的嵌套特征空间，通过改变所谓的 abundance space 进一步加强 representative 和 discriminative 的能力。
Towards Reliable Evaluation of Algorithms for Road Network Reconstruction from Aerial Images
作者 | Leonardo Citraro, Mateusz Kozi´nski, Pascal Fua
单位 | 洛桑联邦理工学院（EPFL）
论文 | https://www.ecva.net/papers/eccv_2020/
papers_ECCV/papers/123730698.pdf
备注 | ECCV 2020
本文研究计算机视觉的一个古老问题：从航空影像中重建公路网。首先描述现有的度量标准及其缺点，然后介绍新提出的三个指标：Path-Based Metric (OPT-P)、 Junction-Based Metric (OPT-J)、 Subgraph-Based Metric (OPT-G)，并在合成数据和真实数据上对它们进行了测试。
End-to-End Trainable Deep Active Contour Models for Automated Image Segmentation: Delineating Buildings in Aerial Imagery
作者 | Ali Hatamizadeh, Debleena Sengupta, Demetri Terzopoulos
单位 | 加利福尼亚大学洛杉矶分校
论文 | https://arxiv.org/abs/2007.11691
备注 | ECCV 2020
Cross-Task Transfer for Geotagged Audiovisual Aerial Scene Recognition
作者 | Di Hu, Xuhong Li, Lichao Mou, Pu Jin, Dong Chen, Liping Jing, Xiaoxiang Zhu, Dejing Dou
单位 | 百度；慕尼黑工业大学；German Aerospace Center；
论文 | https://arxiv.org/abs/2005.08449
代码 | https://github.com/DTaoo/Multimodal-Aerial-Scene-Recognition
备注 | ECCV 2020
推荐阅读：
备注：航拍
遥感与航空影响处理识别交流群
遥感、航空、航拍图像处理、分类、识别、检测、分割等技术，
若已为CV君其他账号好友请直接私信。
我爱计算机视觉
微信号:aicvml
QQ群:805388940
微博知乎:@我爱计算机视觉
网站:www.52cv.net
在看，让更多人看到