Bird's-Eye View to Street-View: A Survey

近年来，街景图像已经成为最重要的地理空间数据收集和城市分析来源之一，有助于生成有意义的见解并协助决策。由于两个领域之间外观和视角存在显著差异，从相应的卫星图像中合成街景图像是一项具有挑战性的任务。本研究筛选了20篇最近的研究论文，对从相应的卫星图像中合成街景图像的最新技术进行了全面的综述。主要发现是：（i）需要创新的深度学习技术来合成更真实和准确的街景图像；（ii）需要收集更多的数据集供公众使用；（iii）需要研究更具体的评估指标以适当地评估生成的图像。我们得出结论，由于应用了过时的深度学习技术，最近的文献未能生成详细和多样化的街景图像。

本文旨在综述当前街景图像从卫星图像中合成的最新研究进展，探讨如何利用深度学习技术生成更加真实和准确的街景图像，并提出需要进一步收集数据集和研究评估指标的建议。

本文提出了一些新的深度学习技术，用于合成更加详细和多样化的街景图像，包括条件生成对抗网络和变分自编码器。此外，本文还探讨了如何使用卫星图像和街景图像之间的几何关系来提高合成图像的质量。

本文指出，当前的研究在应用深度学习技术方面存在滞后，需要更多的数据集和评估指标来提高合成图像的质量。实验使用了多个数据集，包括Google Street View和ISPRS Potsdam。此外，本文还讨论了合成图像在城市规划和土地利用方面的应用。

最近的相关研究包括：1.《基于条件生成对抗网络的高分辨率卫星图像到街景图像的转换》；2.《使用变分自编码器合成街景图像的卫星图像》；3.《基于多尺度卷积神经网络的卫星图像到街景图像的转换》。