論文の概要: TUM-FA\c{C}ADE: Reviewing and enriching point cloud benchmarks for fa\c{c}ade segmentation

• arxiv url: http://arxiv.org/abs/2304.07140v1
• Date: Fri, 14 Apr 2023 14:04:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-17 13:28:05.860935
• Title: TUM-FA\c{C}ADE: Reviewing and enriching point cloud benchmarks for fa\c{c}ade segmentation
• Title（参考訳）: TUM-FA\c{C}ADE: fa\c{c}adeセグメンテーションのためのポイントクラウドベンチマークのレビューと強化
• Authors: Olaf Wysocki, Ludwig Hoegner, Uwe Stilla
• Abstract要約: 本稿では,既存のクラウドデータセットをファサード関連クラスで強化する方法を提案する。 既存のデータセットを効率的に拡張し、ファサードセグメンテーションの可能性を包括的に評価する方法を提案する。 TUM-FAcCADEは、ポイントクラウドベースのファサードセグメンテーションタスクの開発を容易にするだけでなく、さらなるデータセットの強化にも応用できる。
• 参考スコア（独自算出の注目度）: 3.6709255857424843
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point clouds are widely regarded as one of the best dataset types for urban mapping purposes. Hence, point cloud datasets are commonly investigated as benchmark types for various urban interpretation methods. Yet, few researchers have addressed the use of point cloud benchmarks for fa\c{c}ade segmentation. Robust fa\c{c}ade segmentation is becoming a key factor in various applications ranging from simulating autonomous driving functions to preserving cultural heritage. In this work, we present a method of enriching existing point cloud datasets with fa\c{c}ade-related classes that have been designed to facilitate fa\c{c}ade segmentation testing. We propose how to efficiently extend existing datasets and comprehensively assess their potential for fa\c{c}ade segmentation. We use the method to create the TUM-FA\c{C}ADE dataset, which extends the capabilities of TUM-MLS-2016. Not only can TUM-FA\c{C}ADE facilitate the development of point-cloud-based fa\c{c}ade segmentation tasks, but our procedure can also be applied to enrich further datasets.
• Abstract（参考訳）: 点雲は都市マッピングの目的に最適なデータセットの1つとして広く見なされている。 したがって、ポイントクラウドデータセットは様々な都市解釈手法のベンチマークタイプとして一般的に研究されている。 しかし、fa\c{c}adeセグメンテーションにポイントクラウドベンチマークを使用する研究者はほとんどいない。 ロバストなfa\c{c}adeセグメンテーションは、自動運転機能のシミュレーションから文化遺産の保存まで、様々な応用において重要な要素となっている。 本研究では,fa\c{c}adeセグメンテーションテストを容易にするために設計されたfa\c{c}ade関連クラスを用いて,既存のポイントクラウドデータセットを濃縮する方法を提案する。 既存のデータセットを効率的に拡張し、fa\c{c}adeセグメンテーションの可能性を包括的に評価する方法を提案する。 我々は、TUM-MLS-2016の機能を拡張するTUM-FA\c{C}ADEデータセットを作成するためにこの手法を使用する。 TUM-FA\c{C}ADEは、ポイントクラウドベースのfa\c{c}adeセグメンテーションタスクの開発を容易にするだけでなく、さらなるデータセットの強化にも応用できる。

関連論文リスト

• Towards Better Benchmark Datasets for Inductive Knowledge Graph Completion [34.58496513149175]
  インダクティブなKGCデータセットを構築するための現在の手順は、必然的に、利用可能なショートカットを生成します。 具体的には、パーソナライズされたPageRank(PPR)スコアが、ほとんどの帰納的データセット上で、SOTAのパフォーマンスを強く、あるいは近く達成できることを観察する。 本稿では,PPRショートカットの緩和に役立つインダクティブなKGCデータセット構築のための代替戦略を提案する。
  論文  参考訳（メタデータ） (2024-06-14T21:01:46Z)
• Rethinking Few-shot 3D Point Cloud Semantic Segmentation [62.80639841429669]
  本稿では,FS-PCSによる3Dポイント・クラウドセマンティックセマンティックセグメンテーションについて再検討する。 我々は、最先端の2つの重要な問題、前景の漏洩とスパースポイントの分布に焦点をあてる。 これらの問題に対処するために、新しいベンチマークを構築するための標準化されたFS-PCS設定を導入する。
  論文  参考訳（メタデータ） (2024-03-01T15:14:47Z)
• PointJEM: Self-supervised Point Cloud Understanding for Reducing Feature Redundancy via Joint Entropy Maximization [10.53900407467811]
  本稿では,ポイントクラウド分野に適用した自己教師付き表現学習手法であるPointJEMを提案する。 特徴の余分な情報を減らすために、PointJEMは異なる部分間の関節のエントロピーを最大化する。 PointJEMは、分類やセグメンテーションといった下流タスクにおける競合的なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-12-06T08:21:42Z)
• Human as Points: Explicit Point-based 3D Human Reconstruction from Single-view RGB Images [78.56114271538061]
  我々はHaPと呼ばれる明示的なポイントベース人間再構築フレームワークを導入する。 提案手法は,3次元幾何学空間における完全明示的な点雲推定,操作,生成,洗練が特徴である。 我々の結果は、完全に明示的で幾何学中心のアルゴリズム設計へのパラダイムのロールバックを示すかもしれない。
  論文  参考訳（メタデータ） (2023-11-06T05:52:29Z)
• Bidirectional Knowledge Reconfiguration for Lightweight Point Cloud Analysis [74.00441177577295]
  ポイントクラウド分析は計算システムのオーバーヘッドに直面し、モバイルやエッジデバイスでの利用を制限する。 本稿では,軽量点雲モデルのための特徴蒸留について検討する。 本研究では,教師から生徒への情報的文脈的知識を抽出するための双方向知識再構成を提案する。
  論文  参考訳（メタデータ） (2023-10-08T11:32:50Z)
• Generalized Few-Shot Point Cloud Segmentation Via Geometric Words [54.32239996417363]
  ショットポイントクラウドセグメンテーションアルゴリズムは、ベースクラスのセグメンテーション精度を犠牲にして、新しいクラスに適応するように学習する。 一般化された数ショット点雲のセグメンテーションというより実践的なパラダイムの最初の試みを示す。 基本クラスと新規クラス間で共有される幾何学的要素を表す幾何学的単語を提案し,それらを新しい幾何学的意味表現に組み込む。
  論文  参考訳（メタデータ） (2023-09-20T11:24:33Z)
• FreePoint: Unsupervised Point Cloud Instance Segmentation [72.64540130803687]
  点クラウド上の教師なしクラス非依存のインスタンスセグメンテーションを探索するためのFreePointを提案する。 我々は、座標、色、そして自己監督の深い特徴を組み合わせることで、点の特徴を表現する。 ポイント機能に基づいて、ポイントクラウドを擬似ラベルとして粗いインスタンスマスクに分割し、ポイントクラウドインスタンスセグメンテーションモデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-05-11T16:56:26Z)
• LESS: Label-Efficient Semantic Segmentation for LiDAR Point Clouds [62.49198183539889]
  我々は,LiDAR点雲を用いた屋外シーンのためのラベル効率のよいセマンティックセマンティックセマンティクスパイプラインを提案する。 本手法は,半弱教師付き学習を用いて,効率的なラベリング手法を設計する。 提案手法は,100%ラベル付き完全教師付き手法と比較して,さらに競争力が高い。
  論文  参考訳（メタデータ） (2022-10-14T19:13:36Z)
• Foundational Models for Continual Learning: An Empirical Study of Latent Replay [17.322679682451597]
  本稿では,下流の連続学習シナリオの基礎として,事前学習型視覚モデルの有効性について検討する。 大規模ベンチマークシナリオにおける各種事前学習モデルの有効性を,潜時および生データ空間におけるバニラ再生設定と比較した。
  論文  参考訳（メタデータ） (2022-04-30T19:11:37Z)
• Completing Partial Point Clouds with Outliers by Collaborative Completion and Segmentation [22.521376982725517]
  本稿では,騒音や外乱により汚染された点雲を補うために,CS-Netというエンドツーエンドネットワークを提案する。 我々の総合的な実験と、最先端の完成法との比較は、我々の優位性を示している。
  論文  参考訳（メタデータ） (2022-03-18T07:31:41Z)
• DSC: Deep Scan Context Descriptor for Large-Scale Place Recognition [4.878199122477076]
  LiDARに基づく位置認識は、ループ閉鎖検出とグローバル再局在の両方において必須かつ困難な課題である。 本稿では,ポイントクラウドのセグメント間の関係をキャプチャする,汎用的で差別的なグローバル記述子であるDeep Scan Context (DSC)を提案する。
  論文  参考訳（メタデータ） (2021-11-27T07:31:32Z)

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。