論文の概要: Paris-CARLA-3D: A Real and Synthetic Outdoor Point Cloud Dataset for Challenging Tasks in 3D Mapping

• arxiv url: http://arxiv.org/abs/2111.11348v1
• Date: Mon, 22 Nov 2021 16:54:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-23 15:01:30.525579
• Title: Paris-CARLA-3D: A Real and Synthetic Outdoor Point Cloud Dataset for Challenging Tasks in 3D Mapping
• Title（参考訳）: paris-carla-3d: 3dマッピングの課題に挑戦する、リアルで総合的なアウトドアポイントクラウドデータセット
• Authors: Jean-Emmanuel Deschaud and David Duque and Jean Pierre Richa and Santiago Velasco-Forero and Beatriz Marcotegui and and Fran\c{c}ois Goulette
• Abstract要約: Paris-CARLA-3Dは、モバイルLiDARとカメラシステムによって構築された屋外環境の濃密な色の点雲のデータセットである。 データは、オープンソースのCARLAシミュレータから得られた合成データと、パリ市で取得された実データからなる2つのセットで構成されている。
• 参考スコア（独自算出の注目度）: 6.573006160924016
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Paris-CARLA-3D is a dataset of several dense colored point clouds of outdoor environments built by a mobile LiDAR and camera system. The data are composed of two sets with synthetic data from the open source CARLA simulator (700 million points) and real data acquired in the city of Paris (60 million points), hence the name Paris-CARLA-3D. One of the advantages of this dataset is to have simulated the same LiDAR and camera platform in the open source CARLA simulator as the one used to produce the real data. In addition, manual annotation of the classes using the semantic tags of CARLA was performed on the real data, allowing the testing of transfer methods from the synthetic to the real data. The objective of this dataset is to provide a challenging dataset to evaluate and improve methods on difficult vision tasks for the 3D mapping of outdoor environments: semantic segmentation, instance segmentation, and scene completion. For each task, we describe the evaluation protocol as well as the experiments carried out to establish a baseline.
• Abstract（参考訳）: Paris-CARLA-3Dは、モバイルLiDARとカメラシステムによって構築された屋外環境の濃密な色の点雲のデータセットである。 データは、オープンソースのCARLAシミュレーター(7億ポイント)の合成データと、パリ市で取得された実際のデータ(6000万ポイント)の2つのセットで構成されている。 このデータセットの利点の1つは、オープンソースのCARLAシミュレータで、実際のデータを生成するのと同じLiDARとカメラプラットフォームをシミュレートすることである。 さらに,carlaの意味タグを用いたクラスの手動アノテーションが実データ上で実行され,合成から実データへの転送メソッドのテストが可能となった。 このデータセットの目的は、セマンティックセグメンテーション、インスタンスセグメンテーション、シーンコンプリートといった屋外環境の3Dマッピングのための難解な視覚タスクの評価と改善を行うための挑戦的なデータセットを提供することである。 各タスクに対して,評価プロトコルと,ベースラインを確立するために実施した実験について述べる。

関連論文リスト

• BelHouse3D: A Benchmark Dataset for Assessing Occlusion Robustness in 3D Point Cloud Semantic Segmentation [2.446672595462589]
  本稿では,3次元屋内シーンセマンティックセマンティックセグメンテーション用に設計された,新たな合成点クラウドデータセットであるBelHouse3Dデータセットを紹介する。 このデータセットは、ベルギーの32軒の家の実世界の参照を使って構築されており、合成データが実世界の状況と密接に一致していることを保証する。
  論文  参考訳（メタデータ） (2024-11-20T12:09:43Z)
• ParisLuco3D: A high-quality target dataset for domain generalization of LiDAR perception [4.268591926288843]
  本稿では,クロスドメイン評価に特化して設計された新しいデータセットParisLuco3Dを提案する。 LiDARセマンティックセグメンテーション、LiDARオブジェクト検出、LiDARトラッキングのためのオンラインベンチマークが提供されている。
  論文  参考訳（メタデータ） (2023-10-25T10:45:38Z)
• Argoverse 2: Next Generation Datasets for Self-Driving Perception and Forecasting [64.7364925689825]
  Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。 Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。 Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
  論文  参考訳（メタデータ） (2023-01-02T00:36:22Z)
• 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)
• KITTI-CARLA: a KITTI-like dataset generated by CARLA Simulator [6.65010897396803]
  KITTI-CARLA (KITTI-CARLA) は、CARLA v0.9.10シミュレータからKITTIデータセットと同一のセンサーを持つ車両を用いて構築されたデータセットである。 本データセットの目的は, セマンティックセグメンテーションLiDARおよび/または画像, ドメトリーLiDARおよび/または画像の合成データのアプローチをテストすることである。
  論文  参考訳（メタデータ） (2021-08-17T13:44:34Z)
• PC-DAN: Point Cloud based Deep Affinity Network for 3D Multi-Object Tracking (Accepted as an extended abstract in JRDB-ACT Workshop at CVPR21) [68.12101204123422]
  点雲は3次元座標における空間データの密集したコンパイルである。 我々は3次元多目的追跡(MOT)のためのPointNetベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-03T05:36:39Z)
• 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)
• KAPLAN: A 3D Point Descriptor for Shape Completion [80.15764700137383]
  KAPLANは、一連の2D畳み込みを通じて局所的な形状情報を集約する3Dポイント記述子である。 各平面において、正規点や平面間距離のような点特性は2次元グリッドに集約され、効率的な2次元畳み込みエンコーダを持つ特徴表現に抽象化される。 公開データセットの実験では、KAPLANが3D形状の完成のために最先端のパフォーマンスを達成することが示されている。
  論文  参考訳（メタデータ） (2020-07-31T21:56:08Z)

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。