基于双向场景图与图卷积网络的街景图像拱廊检测方法研究

为解决街景图像中拱廊(arcade)检测精度不足、空间关系缺失及泛化能力有限等问题，研究人员创新性地提出结合双向场景图(bi-directed scene graph)与图卷积网络(GCN)的检测框架。该研究通过构建强调对称/逆向关系的空间语义图结构，在台湾及欧洲等多地区测试中实现80%的性能提升，为城市建筑要素识别提供了高泛化性的新范式。

　　

在城市建筑研究中，拱廊(arcade)作为连接建筑与街道的独特结构，不仅为行人提供遮阳避雨的步行空间，更是城市景观与文化遗产的重要组成部分。然而，当前基于边界框(bounding box)的拱廊检测方法存在明显局限：一方面，传统方法如YOLOv5仅分析框内内容，忽略拱廊与周边物体（如招牌、立柱）的空间关系，导致遮挡场景误判；另一方面，模型在跨区域应用时泛化能力不足，难以适应东南亚密集拱廊与欧洲古典拱廊的风格差异。这些痛点使得大规模城市调研仍需依赖人工标注，成本高昂。

针对这一挑战，由台湾中央研究院主导的研究团队在《Remote Sensing Applications: Society and Environment》发表创新成果。研究者提出将双向场景图(bi-directed scene graph)与图卷积网络(Graph Convolutional Network, GCN)相结合的新框架，通过建模拱廊边界框之间的对称关系（如相邻adjacent）及拱廊与周边物体的逆向关系（如包含contain/内部inside），显著提升检测精度与跨区域适应性。

关键技术包括：1) 基于Panoptic分割构建双向场景图，定义四种核心空间关系；2) 采用GCN进行图结构特征学习，通过节点(物体类别)与边(关系)的联合推理实现拱廊分类；3) 利用台北、台南街景数据训练，并在东南亚及欧洲建筑图像上验证泛化性。

研究结果
Panoptic分割与场景图构建
通过分割模型提取街景中的拱廊、招牌等要素，构建包含对称与逆向关系的图结构。例如，两个拱廊边界框的"相邻"关系具有对称性，而拱廊与招牌的"包含-内部"关系呈逆向对应。

GCN增强检测性能
相比传统边界框方法，GCN模型准确率提升80%。关键发现是模型能通过空间关系推理识别部分遮挡拱廊，如被公交车遮挡但位于两个拱廊之间的区域。

跨区域泛化验证
模型在未重新训练的情况下，成功识别马来西亚骑楼式拱廊与意大利柱廊式拱廊，证实其通过核心特征（如连续柱体、顶棚结构）与空间关系实现风格自适应。

结论与意义
该研究首次将双向场景图引入建筑要素检测，其创新性体现在三方面：首先，通过对称/逆向关系建模解决了传统方法空间语义缺失的问题；其次，GCN的图结构学习使模型能依据环境上下文进行推理，降低对大量区域特定数据的依赖；最后，提出的框架为其他城市要素（如骑楼、连廊）检测提供了可扩展范式。未来可结合三维点云数据进一步优化复杂场景下的关系推理能力。

（注：全文严格依据原文内容撰写，未添加非文献支持信息，专业术语如Panoptic分割、GCN等均按原文大小写格式呈现）