Fugu-MT 論文翻訳(概要): ZRG: A High Resolution 3D Residential Rooftop Geometry Dataset for Machine Learning

論文の概要: ZRG: A High Resolution 3D Residential Rooftop Geometry Dataset for Machine Learning

arxiv url: http://arxiv.org/abs/2304.13219v1
Date: Wed, 26 Apr 2023 00:52:42 GMT
ステータス: 処理完了
システム内更新日: 2023-04-27 15:57:02.225001
Title: ZRG: A High Resolution 3D Residential Rooftop Geometry Dataset for Machine Learning
Title（参考訳）: ZRG: 機械学習のための高解像度3次元住宅形状データセット
Authors: Isaac Corley, Jonathan Lwowski, Peyman Najafirad
Abstract要約: Zeit Rooftop Geometry (ZRG) は、住宅用屋上の高解像度空中画像データセットである。 ZRGには、住宅用屋上形状と景観理解のために、数千のオルソモザイク、3Dビュー画像、マルチビュー雲が含まれている。
参考スコア（独自算出の注目度）: 1.5899159309486681
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper we present the Zeitview Rooftop Geometry (ZRG) dataset. ZRG contains thousands of samples of high resolution orthomosaics of aerial imagery of residential rooftops with corresponding digital surface models (DSM), 3D rooftop wireframes, and multiview imagery generated point clouds for the purpose of residential rooftop geometry and scene understanding. We perform thorough benchmarks to illustrate the numerous applications unlocked by this dataset and provide baselines for the tasks of roof outline extraction, monocular height estimation, and planar roof structure extraction.
Abstract（参考訳）: 本稿では,zeitview rooftop geometry (zrg)データセットについて述べる。 ZRGには、住宅の屋上形状と景観理解のために、対応するデジタル表面モデル(DSM)、3D屋根上ワイヤーフレーム、多視点画像生成点雲を含む、住宅の屋上画像の高解像度オルソモザイクのサンプルが含まれている。このデータセットによってアンロックされた多数のアプリケーションについて詳細なベンチマークを行い、屋根のアウトライン抽出、単分子高さ推定、平面屋根構造抽出のタスクのベースラインを提供する。

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)
RoofDiffusion: Constructing Roofs from Severely Corrupted Point Data via Diffusion [0.3277163122167433]
RoofDiffusionは、屋根の高さマップを頑健に完成させる、エンドツーエンドの自己教師付き拡散技術である。変種であるNo-FP RoofDiffusionは、建物の足跡と高さを同時に予測する。先進的なCity3DアルゴリズムでテストされたRoofDiffusionは、3Dビルの再構築を著しく改善する。
論文参考訳（メタデータ） (2024-04-14T15:50:10Z)
SSCBench: A Large-Scale 3D Semantic Scene Completion Benchmark for Autonomous Driving [87.8761593366609]
SSCBenchは、広く使用されている自動車データセットのシーンを統合するベンチマークである。我々は、単眼、三眼、クラウド入力を用いて、性能ギャップを評価するモデルをベンチマークする。クロスドメインの一般化テストを簡単にするために、さまざまなデータセットにまたがったセマンティックラベルを統一しています。
論文参考訳（メタデータ） (2023-06-15T09:56:33Z)
sat2pc: Estimating Point Cloud of Building Roofs from 2D Satellite Images [1.8884278918443564]
2次元衛星画像から建物屋根の点を予測するディープラーニングアーキテクチャである sat2pc を提案する。以上の結果から,SAT2pcは既存のベースラインを少なくとも18.6%上回る性能を示した。
論文参考訳（メタデータ） (2022-05-25T03:24:40Z)
Multi-Layer Modeling of Dense Vegetation from Aerial LiDAR Scans [4.129847064263057]
私たちはWildForest3Dをリリースしました。これは29の研究プロットと47000m2にまたがる2000以上の個々の木で構成されています。本稿では,3次元ポイントワイドラベルと高分解能占有メッシュを同時に同時に予測する3次元ディープネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-04-25T12:47:05Z)
City3D: Large-scale Urban Reconstruction from Airborne Point Clouds [3.7422375336465037]
本研究では,小型3次元ビルディングモデルを大規模空調点雲から再構築するための完全自動手法を提案する。都会の建物は通常、垂直壁と地上を繋ぐ平面屋根で構成されており、データから直接垂直壁を推測する手法を提案する。様々な大規模空力点雲の実験により, 再現精度とロバスト性の観点から, この手法は最先端の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2022-01-25T12:41:11Z)
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)
Machine-learned 3D Building Vectorization from Satellite Imagery [7.887221474814986]
自動3Dビルディングの再構築とベクトル化のための機械学習に基づく手法を提案する。単チャネルフォトグラム化デジタルサーフェスモデル(DSM)とパンクロマティック画像(PAN)を入力として、まず非構築オブジェクトをフィルタリングし、形状の構築を洗練する。改良されたDSMと入力されたPAN画像はセマンティックセグメンテーションネットワークを介して、建物の屋根の端と角を検出する。
論文参考訳（メタデータ） (2021-04-13T19:57:30Z)
HDNET: Exploiting HD Maps for 3D Object Detection [99.49035895393934]
高精細度(hd)マップは、現代の3dオブジェクト検出器の性能と頑健性を高める強力な事前情報を提供する。我々はHDマップから幾何学的特徴と意味的特徴を抽出する単一ステージ検出器を設計する。地図は至る所では利用できないため、生のLiDARデータからフライ時の地図を推定するマップ予測モジュールも提案する。
論文参考訳（メタデータ） (2020-12-21T21:59:54Z)
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。