論文の概要: TMBuD: A dataset for urban scene building detection
- arxiv url: http://arxiv.org/abs/2110.14590v1
- Date: Wed, 27 Oct 2021 17:08:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-28 12:28:15.766718
- Title: TMBuD: A dataset for urban scene building detection
- Title(参考訳): TMBuD:都市景観建物検出のためのデータセット
- Authors: Orhei Ciprian, Vert Silviu, Mocofan Muguras, Vasiu Radu
- Abstract要約: 本稿では,都市景観における人造構造物の画像処理に適したデータセットソリューションTMBuDを提案する。
提案したデータセットは、建物の街路ビューに焦点をあてた画像の健全なエッジとセマンティックセグメンテーションの適切な評価を可能にする。
このデータセットは、ルーマニアのティミショアラから160枚の建物を撮影したもので、解像度は768 x 1024ピクセルである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Building recognition and 3D reconstruction of human made structures in urban
scenarios has become an interesting and actual topic in the image processing
domain. For this research topic the Computer Vision and Augmented Reality areas
intersect for creating a better understanding of the urban scenario for various
topics. In this paper we aim to introduce a dataset solution, the TMBuD, that
is better fitted for image processing on human made structures for urban scene
scenarios. The proposed dataset will allow proper evaluation of salient edges
and semantic segmentation of images focusing on the street view perspective of
buildings. The images that form our dataset offer various street view
perspectives of buildings from urban scenarios, which allows for evaluating
complex algorithms. The dataset features 160 images of buildings from
Timisoara, Romania, with a resolution of 768 x 1024 pixels each.
- Abstract(参考訳): 都市シナリオにおける人造構造物の認識と3次元再構築は,画像処理分野で興味深い話題となっている。
この研究テーマでは、コンピュータビジョンと拡張現実領域が交差し、様々なトピックの都市のシナリオをよりよく理解する。
本稿では,都市環境における人造構造物の画像処理に適したデータセットソリューションTMBuDを提案する。
提案するデータセットは,建物の街並み視点に着目した画像の高度エッジとセマンティックセグメンテーションの適切な評価を可能にする。
私たちのデータセットを構成する画像は、複雑なアルゴリズムを評価することができる都市シナリオから、さまざまなストリートビュービューを提供する。
このデータセットにはルーマニアのティモソアラにある160の建物の画像が含まれており、解像度は768 x 1024ピクセルである。
関連論文リスト
- MaRINeR: Enhancing Novel Views by Matching Rendered Images with Nearby References [49.71130133080821]
MaRINeRは、近くのマッピング画像の情報を活用して、ターゲット視点のレンダリングを改善する方法である。
暗黙のシーン表現と暗黙のシーン表現の両方から、定量的な指標と定性的な例のレンダリングの改善を示す。
論文 参考訳(メタデータ) (2024-07-18T17:50:03Z) - Urban Scene Diffusion through Semantic Occupancy Map [49.20779809250597]
UrbanDiffusionは、Bird's-Eye View (BEV)マップに条件付き3次元拡散モデルである。
我々のモデルは,潜在空間内のシーンレベルの構造の分布を学習する。
実世界の運転データセットをトレーニングした後、我々のモデルは多様な都市シーンを生成することができる。
論文 参考訳(メタデータ) (2024-03-18T11:54:35Z) - Sat2Scene: 3D Urban Scene Generation from Satellite Images with Diffusion [77.34078223594686]
本稿では,3次元スパース表現に拡散モデルを導入し,それらをニューラルレンダリング技術と組み合わせることで,直接3次元シーン生成のための新しいアーキテクチャを提案する。
具体的には、まず3次元拡散モデルを用いて、所定の幾何学の点レベルのテクスチャ色を生成し、次にフィードフォワード方式でシーン表現に変換する。
2つの都市規模データセットを用いた実験により,衛星画像から写真リアルなストリートビュー画像シーケンスとクロスビュー都市シーンを生成する能力を示した。
論文 参考訳(メタデータ) (2024-01-19T16:15:37Z) - Building3D: An Urban-Scale Dataset and Benchmarks for Learning Roof
Structures from Point Clouds [4.38301148531795]
既存の3Dモデリング用のデータセットは主に家具や車などの一般的なオブジェクトに焦点を当てている。
エストニアの16都市約998Km2をカバーする,160万以上の建物と対応する点雲,メッシュ,ワイヤフレームモデルからなる都市規模データセットを提案する。
実験結果から,ビルディング3Dには高いクラス内分散,データ不均衡,大規模ノイズといった課題があることが示唆された。
論文 参考訳(メタデータ) (2023-07-21T21:38:57Z) - UrbanBIS: a Large-scale Benchmark for Fine-grained Urban Building
Instance Segmentation [50.52615875873055]
都市BISは6つの実際の都市のシーンで構成され、25億点があり、面積は10.78平方キロメートルである。
UrbanBISは、建物、車両、植生、道路、橋など、豊富な都市オブジェクトに意味レベルのアノテーションを提供する。
UrbanBISは、きめ細かいサブカテゴリを導入した最初の3Dデータセットである。
論文 参考訳(メタデータ) (2023-05-04T08:01:38Z) - Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
近年,Bird's-Eye View (BEV) の知覚が注目されている。
自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。
本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
論文 参考訳(メタデータ) (2023-01-11T18:39:34Z) - OmniCity: Omnipotent City Understanding with Multi-level and Multi-view
Images [72.4144257192959]
本稿では,マルチレベル・マルチビュー画像から全能都市理解のための新しいデータセットであるOmniCityを提案する。
データセットには100万画素以上の注釈付き画像が含まれており、ニューヨーク市の25万画素のジオロケーションから順に収集されている。
新たなOmniCityデータセットでは,フットプリント抽出や高さ推定,平面/インスタンス/きめ細かなセグメンテーションなど,さまざまなタスクのベンチマークが提供されている。
論文 参考訳(メタデータ) (2022-08-01T15:19:25Z) - Re-designing cities with conditional adversarial networks [0.0]
本稿では,都市景観の街路レベルのイメージを再設計するための条件付き生成対向ネットワークを提案する。
現実のシナリオから都市介入前後のストリートレベルの画像をまとめた新しいデータセットを紹介します。
トレーニングされたモデルは、他のドメインで画像から画像への変換を適用する既存の手法よりも優れた、リモデリング都市において強力なパフォーマンスを示す。
論文 参考訳(メタデータ) (2021-04-08T19:03:34Z) - Holistic Multi-View Building Analysis in the Wild with Projection
Pooling [18.93067906200084]
細粒度構造属性に関連する6つの異なる分類課題に対処する。
このようなリモート・ビルディング・アナリティクスの問題に対処することは、都市景観の大規模データセットの増大により、最近になって可能になった。
9674棟の49426画像(トップビューとストリートビュー)からなる新しいベンチマークデータセットを提案する。
論文 参考訳(メタデータ) (2020-08-23T13:49:22Z) - Urban2Vec: Incorporating Street View Imagery and POIs for Multi-Modal
Urban Neighborhood Embedding [8.396746290518102]
Urban2Vecは、ストリートビューイメージと関心のポイントデータの両方を組み込んだ、教師なしマルチモーダルフレームワークである。
我々は,Urban2Vecがベースラインモデルよりも優れた性能を実現し,下流予測タスクにおける完全教師付き手法に匹敵する性能を示す。
論文 参考訳(メタデータ) (2020-01-29T21:30:53Z)
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。