本科生一作！顶会CVPR Highlight论文

主要观点总结

本文报道了我院本科生叶俊言和罗祺彦在国际计算机视觉与模式识别学术会议CVPR 2024上被录用为Highlight论文的《SG-BEV: Satellite-Guided BEV Fusion for Cross-View Semantic Segmentation》的研究内容。该论文提出了一种专门用于建筑物精细属性识别的跨视图语义分割方法SG-BEV，该方法在国际上被证明效果显著。

关键观点总结

关键观点1: 论文被CVPR 2024录用为Highlight论文。

这是我院本科生叶俊言（第一作者）和罗祺彦（第二作者）等的研究成果，通讯作者为李唯嘉副教授，该研究涉及建筑物精细属性识别。

关键观点2: 研究背景与现状。

遥感卫星图像和街景图像共同构成了跨视角场景，对于建筑物属性的全面感知至关重要。已有研究存在局限性，而论文提出的SG-BEV方法有效克服了这些局限。

关键观点3: SG-BEV方法的特点与优势。

SG-BEV采用BEV算法建立空间明确的特征映射，实现街景特征到卫星视角的完整连续映射。通过设计的SGR卫星引导重投影模块和跨视角特征融合模块，实现了有效的特征融合和对齐。

关键观点4: 实验结果与心得。

SG-BEV方法在纽约、旧金山和波士顿收集的四个跨视图数据集上的实验结果表明其效果显著。作者叶俊言和罗祺彦分享了他们的科研历程和心得体会，感谢李唯嘉老师的指导和团队合作的重要性。