Migliorare i modelli digitali di superficie fotogrammetrici con modelli di diffusione preaddestrati e condizionamento multimodale

Abstract degli autori

I modelli digitali di superficie (DSM) su larga scala possono essere prodotti a costi contenuti a partire da immagini satellitari mediante stereofotogrammetria. Le mappe 3D risultanti, tuttavia, sono spesso affette da rumore, valori anomali e lacune. Il LiDAR aereo, invece, fornisce misure altimetriche di elevata precisione a un costo notevolmente superiore. In questo lavoro studiamo modelli di diffusione condizionati sia dai DSM fotogrammetrici sia dalle immagini Pléiades per perfezionare DSM coregistrati verticalmente. Presentiamo un’architettura Stable Diffusion 3 modificata, con un flusso testuale ridotto mediante potatura e una strategia di normalizzazione per patch, che consente un addestramento stabile sui dati LiDAR e il trasferimento dalle immagini naturali alle mappe altimetriche. Esperimenti condotti in città francesi mostrano che il condizionamento multimodale migliora la precisione altimetrica, riducendo l’RMSE nelle aree urbane dense da 6,00 a 3,45 m nelle città incluse nel contesto e da 4,16 a 2,77 m a Bordeaux, la città tenuta da parte.