本文介绍了一种基于机器学习的建筑物映射方法，利用条件生成对抗网络和语义分割网络，从遥感影像中提取建筑物屋顶的边缘和角点，并生成矢量化建筑模型。研究验证了该方法在大型卫星图像上的有效性，显示出优越的性能和广泛的应用潜力。

本文介绍了多种基于深度学习的城市地图提取和建筑物映射方法，如PolyMapper、HiT和TreeFormer。这些方法通过改进图像分割、建筑物多边形提取和树木计数，显著提高了准确性和效率，尤其在复杂场景中表现优异。实验结果显示，这些新方法在多个数据集上超越了现有技术，展现了良好的泛化能力。

本文提出了一种基于 Hierarchical Transformers 的建筑物映射方法 HiT，通过增加一个多边形头并行于分类和边界框回归头的两阶段检测结构实现了从高分辨率遥感影像中提取多边形建筑物的质量改进。实验表明，该方法在实例分割和多边形度量方面达到了最新的良好结果，并在复杂场景下表现出优越性和有效性。