ObliCity: 지붕-건물면적 투영 왜곡 보정의 벤치마크 및 기준 모델

ObliCity: A Benchmark and Baseline for Roof-to-Ground Projection Displacement Correction

경사 촬영 도시 원격 감지 영상은 건물 지붕과 건물 면적 사이에서 필연적으로 기하학적 투영 왜곡을 발생시켜 공간 구조에 상당한 왜곡을 초래합니다. 기존 연구들은 이러한 변형을 무시하거나, 세분화 기반 프레임워크 내에서 암묵적으로 처리하는 경향이 있습니다. 이러한 접근 방식은 일반적으로 세분화 기술의 발전으로 인해 개선되는 경우가 많지만, 기하학적 보정 자체의 개선은 미흡합니다. 본 연구에서는 지붕-건물면적 오프셋 벡터(RFOV) 추출을 독립적인 학습 과제로 명시적으로 정의하여 기하학적 정렬과 의미론적 세분화를 분리했습니다. 이를 지원하기 위해 고해상도 UAV 이미지와 전 세계적으로 분포된 위성 데이터를 통합한 대규모 벤치마크 데이터셋인 ObliCity를 소개합니다. 방법론 측면에서, DragOSM을 DragRoof라는 ODE(Ordinary Differential Equation) 기반 프레임워크로 재구성했습니다. DragRoof는 인간의 주석 동작에 영감을 받아 지붕을 건물 면적으로 끌어당기는 연속적인 과정을 시뮬레이션하며, 이를 통해 결정적이고 기하학적으로 일관된 오프셋 필드를 학습하고 엔드 토큰을 사용하여 수렴 여부를 적응적으로 판단합니다. ObliCity 데이터셋에 대한 광범위한 실험 결과, DragRoof는 최첨단 수준의 RFOV 추출 성능을 달성하며, 더 적은 추론 단계를 거치면서도 우수한 방향 및 길이 정확도를 제공하는 것으로 나타났습니다. 본 연구에서 제시된 데이터셋과 모델은 경사 원격 감지 영상에서의 투영 왜곡 보정을 연구하기 위한 기반을 제공합니다. 소스 코드와 데이터셋은 https://github.com/likaiucas/DragRoof 에서 확인할 수 있습니다.

Oblique-view urban remote sensing imagery inevitably exhibits geometric projection displacements between building roofs and footprints, leading to significant distortions in spatial structure. Existing approaches either ignore these deformations or handle them implicitly within segmentation-based frameworks, where progress is dominated by general segmentation advances rather than improvements in geometric correction. In this work, we explicitly define roof-to-footprint offset vector (RFOV) extraction as an independent learning task that decouples geometric alignment from semantic segmentation. To support this task, we introduce the Oblique City dataset (ObliCity), the first large-scale benchmark that integrates high-resolution UAV imagery and globally distributed satellite data, covering diverse city morphologies and camera perspectives. Methodologically, we reformulate DragOSM into DragRoof, an ODE-based framework inspired by human annotation behavior. By simulating the continuous process of dragging roofs toward their footprints, DragRoof learns deterministic, geometry-consistent offset fields and adaptively determines convergence through an end token. Extensive experiments on ObliCity demonstrate that DragRoof achieves state-of-the-art RFOV extraction performance, requiring fewer inference steps while delivering superior directional and length accuracy. Our dataset and model establish a principled foundation for studying projection displacement correction in oblique remote sensing imagery. The source code and dataset will be avaliable at https://github.com/likaiucas/DragRoof.