論文の概要: Toronto-3D: A Large-scale Mobile LiDAR Dataset for Semantic Segmentation
of Urban Roadways
- arxiv url: http://arxiv.org/abs/2003.08284v3
- Date: Thu, 16 Apr 2020 14:48:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 12:51:23.325808
- Title: Toronto-3D: A Large-scale Mobile LiDAR Dataset for Semantic Segmentation
of Urban Roadways
- Title（参考訳）: トロント3D:都市道路のセマンティックセグメンテーションのための大規模モバイルLiDARデータセット
- Authors: Weikai Tan, Nannan Qin, Lingfei Ma, Ying Li, Jing Du, Guorong Cai, Ke
Yang, Jonathan Li
- Abstract要約: トロント3D(Tronto-3D)は、カナダのトロントにあるMLSシステムによって、セマンティックセグメンテーションのために取得された大規模な都市屋外クラウドデータセットである。
このデータセットは約1kmの点雲を含み、8つのラベル付きオブジェクトクラスを持つ約78.3百万点からなる。
セマンティックセグメンテーションのためのベースライン実験を行い、このデータセットがディープラーニングモデルを効果的に訓練する能力を確認した。
- 参考スコア（独自算出の注目度）: 31.619465114439667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semantic segmentation of large-scale outdoor point clouds is essential for
urban scene understanding in various applications, especially autonomous
driving and urban high-definition (HD) mapping. With rapid developments of
mobile laser scanning (MLS) systems, massive point clouds are available for
scene understanding, but publicly accessible large-scale labeled datasets,
which are essential for developing learning-based methods, are still limited.
This paper introduces Toronto-3D, a large-scale urban outdoor point cloud
dataset acquired by a MLS system in Toronto, Canada for semantic segmentation.
This dataset covers approximately 1 km of point clouds and consists of about
78.3 million points with 8 labeled object classes. Baseline experiments for
semantic segmentation were conducted and the results confirmed the capability
of this dataset to train deep learning models effectively. Toronto-3D is
released to encourage new research, and the labels will be improved and updated
with feedback from the research community.
- Abstract（参考訳）: 大規模屋外点雲のセマンティックセグメンテーションは、様々な応用、特に自律運転と都市ハイデフィニション(HD)マッピングにおける都市景観理解に不可欠である。
モバイルレーザースキャン(MLS)システムの急速な発展に伴い、シーン理解に巨大な点雲が利用できるが、学習ベースの手法開発に不可欠な大規模ラベル付きデータセットは依然として限られている。
本稿では,カナダ・トロントのmlsシステムによって,意味的セグメンテーションのために取得された大規模都市アウトドアポイントクラウドデータセットであるトロント3dを紹介する。
このデータセットは約1kmの点雲を含み、8つのラベル付きオブジェクトクラスを持つ約78.3百万点からなる。
セマンティックセグメンテーションのためのベースライン実験を行い、このデータセットがディープラーニングモデルを効果的に訓練する能力を確認した。
トロント3Dは新たな研究を促進するためにリリースされ、ラベルは研究コミュニティからのフィードバックで改善および更新される予定である。
関連論文リスト
- MMScan: A Multi-Modal 3D Scene Dataset with Hierarchical Grounded Language Annotations [55.022519020409405]
本稿では,マルチモーダルな3Dシーンデータセットと階層型言語アノテーションを用いたベンチマーク,MMScanを構築した。
結果として得られたマルチモーダルな3Dデータセットは、109kオブジェクトと7.7kリージョン上の1.4Mメタアノテーション付きキャプションと、3Dビジュアルグラウンドと質問応答ベンチマークのための3.04M以上の多様なサンプルを含んでいる。
論文 参考訳（メタデータ） (2024-06-13T17:59:30Z) - FRACTAL: An Ultra-Large-Scale Aerial Lidar Dataset for 3D Semantic Segmentation of Diverse Landscapes [0.0]
我々は、TArgeted Landscapes (FRACTAL) データセットからFRench ALS Cloudsを提示する。
超大型のLidarデータセットで、7つのセマンティッククラスのための高品質なラベルを持つ10万個の高密度の雲で構成されている。
希少なクラスや挑戦的な風景を明示的に集中するサンプリングスキームによって空間的・意味的な多様性を実現する。
論文 参考訳（メタデータ） (2024-05-07T19:37:22Z) - Point Cloud Segmentation Using Transfer Learning with RandLA-Net: A Case
Study on Urban Areas [0.5242869847419834]
本稿では,都市部における大規模クラウドデータの3次元セグメンテーションのための最先端のニューラルネットワークアーキテクチャであるRandLA-Netの応用について述べる。
この研究は中国三大都市、Chengdu、Jiaoda、Shnzhenに焦点を当て、セグメンテーション性能を高めるためにその特徴を活用している。
論文 参考訳（メタデータ） (2023-12-19T06:13:58Z) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文 参考訳（メタデータ） (2023-02-16T13:41:19Z) - SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point
Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。
データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文 参考訳（メタデータ） (2022-01-12T14:48:11Z) - Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial
Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。
データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
論文 参考訳（メタデータ） (2020-12-23T21:48:47Z) - Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset,
Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。
私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。
我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文 参考訳（メタデータ） (2020-09-07T14:47:07Z) - Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical
Understanding of Outdoor Scene [76.4183572058063]
複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。
データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。
本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
論文 参考訳（メタデータ） (2020-08-11T19:10:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。