《ISPRS International Journal of Geo-Information》：Learning Deformation-Induced Shape Representations for Building Footprints via Self-Supervision
编辑推荐：
建筑物足迹的有效形状表征对于许多地理空间分析和应用（如建筑物检索、制图综合和城市形态分析）至关重要。受限于建筑物形状标注的稀少与粗糙，自监督学习（SSL）被认为是一种有前景的范式。然而，现有的SSL方法主要从同一实例的增强视图中推断不变性，未显式定义相似性，因
建筑物足迹的有效形状表征对于许多地理空间分析和应用（如建筑物检索、制图综合和城市形态分析）至关重要。受限于建筑物形状标注的稀少与粗糙，自监督学习（SSL）被认为是一种有前景的范式。然而，现有的SSL方法主要从同一实例的增强视图中推断不变性，未显式定义相似性，因而限制了其捕获建筑物形状之间从几何规律性到结构布局的多层关系的能力。提供可靠且可解释的相似性监督仍然具有挑战性。在这项工作中，研究人员提出了形变诱导自监督学习（Deformation-Induced Self-Supervised Learning, DI-SSL），一种通过几何感知形变（Geometric-Aware Deformations, GAD）显式定义相似性的框架。GAD沿全局拓扑、几何变化和结构布局约束形变，共同表征形状之间的结构可比性，并确保在受控形状偏差下产生几何有效、结构连贯的变体。因此，相似性通过这一受约束的形变过程被显式定义，从而产生一个嵌入空间，其中结构相似的形状被一致地组织。实验表明，DI-SSL在检索和少样本泛化方面取得了强劲性能。学习到的嵌入空间结构良好，展现出结构原型的全局可分性以及与形态学有意义相似性相一致的局部连续性。消融研究进一步凸显了形变诱导监督在塑造该空间中的关键作用。
**研究背景与现存问题**
建筑物足迹（building footprint）的形状表征是城市形态分析、空间数据挖掘和大规模建成环境研究的基础。传统方法依赖手工几何描述符和预定义相似性度量，难以表达真实数据中结构化且连续的关系。自监督学习（SSL）可在无标签条件下学习表征，但现有SSL方法通常从同一实例的增强视图推断不变性，未显式定义相似性，并将其他样本一律视为不相似，因而无法捕获建筑物形状之间从几何规律性到结构布局的多层相似关系。因此，如何显式构建结构相似性监督成为核心问题。
**研究内容与总体结论**
针对上述问题，研究人员提出了形变诱导自监督学习（DI-SSL）框架。该框架通过几何感知形变（GAD）显式定义相似性：GAD沿全局拓扑、几何变化和结构布局约束形变，产生几何有效、结构连贯的变体，从而将相似性定义为受控形变关系。DI-SSL利用该关系构造对比学习的正样本对，并使用归一化温度标度交叉熵（NT-Xent）损失进行优化。实验表明，DI-SSL在形状检索和少样本分类上取得领先性能；学习到的嵌入空间既具有全局可分性，又具有与形态学相似性一致的局部连续性。消融研究证实，形变诱导监督对形成这种结构至关重要。
**主要关键技术方法**
训练数据来自OpenStreetMap（OSM）全球真实建筑足迹，经预处理后得到12,298,902个简单多边形，无人工语义标签；评估采用IJGIS-CGAE基准数据集（10类，每类500个）。关键技术方法包括：（1）基于直骨架的多边形偏移（SS-Offsetting）实现GAD，通过有符号偏移距离生成保持拓扑的变体；（2）几何不变变换（GIT）包括刚体变换、反射、均匀缩放、重采样和顶点重索引，用于消除坐标表示中的无关变化；（3）有效性约束包括拓扑保持、有界几何偏差和基于转向函数（Turning Function, TF）的形状相似性约束，确保形变处于合理形态区间；（4）对比学习采用NT-Xent损失，编码器为ResNet1D，投影头为多层感知机（MLP）。
**研究结果**
**4.2.2 性能比较**：在IJGIS-CGAE数据集上与手工描述符（Fourier描述符、TF）、自动编码器（GCAE、NUFT-based AE）及对比学习（PSRT）等代表性方法比较，DI-SSL在检索指标（如First Tier 0.804）和少样本分类（1-shot 0.863）上均优于所有基线，10,000次配对bootstrap检验表明FT、ST和nDCG差异显著。
**4.3.1 基准形状类的可分性**：通过k近邻图边混淆矩阵和t-SNE分析，DI-SSL的类间边比例最低，测地线距离跨类/类内比最高（2.47），且类间混淆主要集中于T形与Y形等几何相近的类别，表明嵌入空间在保持全局可分性的同时，类间关系更具结构语义。
**4.3.2 真实世界形状空间的连续性**：利用PCA投影和线性插值，研究人员观察了IO、YT、CL、ZH、EF等类别对之间的最近邻序列，发现序列呈现渐进、结构保持的连续形变，中间形态保持几何合理，说明嵌入空间沿主导变化方向组织了连贯的形变路径。
**4.4 与传统形状度量的关系**：通过比较嵌入欧氏距离与TF距离（12,497,500对），二者存在显著线性关系但决定系数较低，且存在系统性偏差区域：例如TF距离小而嵌入距离大的矩形-半圆对，以及TF距离大但嵌入距离小的共享中轴结构对。这表明DI-SSL并非近似传统几何度量，而是通过形变关系重组相似性。
**4.5 通过形变学习相似性**：对比GIT与GAD，GAD显著提升检索和少样本性能；随着TF有效性约束阈值从0.1增加到0.4，性能持续提升，但进一步增至0.6时检索一致性略降；移除约束后性能大幅下降。这表明受控形变对学习可靠相似性结构至关重要。
**讨论与结论**
讨论部分指出，DI-SSL为形态分析提供了表征中心视角，能在统一嵌入空间中实现可扩展的聚类和检索。对上海南站附近一个包含3347个建筑足迹的城市区域进行案例分析，聚类结果在几何上一致且在空间上呈现聚集，22/26（84.6%）的聚类具有显著正空间自相关（Moran's I）。但该框架存在局限：依赖预定义的形变空间、对高度不规则形状可能失效、表征质量受编码器容量限制。未来可探索自适应形变机制及多部件、带孔多边形等复杂表示。
研究结论翻译：这项工作提出了DI-SSL，一种通过显式构建相似性关系来学习建筑形状表征的框架。结果表明，学习到的嵌入空间不仅具有判别性，而且具有结构组织性，其中相似性是通过几何一致的形变而非隐式实例等价或预定义度量来定义的。观察到的结构源于在受约束形变下执行一致性，并在检索和少样本任务中表现出强大性能。更广泛地说，这项工作突显了在形状分析的表征学习中显式定义相似性的重要性。通过构建受控的形状间关系，该框架提供了一种组织建筑形状空间的数据驱动方法，其中相似性反映形态学上有意义的变化，而非离散类别或手工度量。这种结构化表征支持大规模地理空间数据中的表达性分析。若干局限仍然存在：该方法依赖预定义的形变空间，可能无法捕获所有相关的几何变化形式，其向更复杂形状表征的扩展需要进一步研究。未来工作可探索构建相似性的自适应机制及在地理空间分析中的更广泛应用。
