論文の概要: SyntheWorld: A Large-Scale Synthetic Dataset for Land Cover Mapping and Building Change Detection

• arxiv url: http://arxiv.org/abs/2309.01907v1
• Date: Tue, 5 Sep 2023 02:42:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-06 16:42:47.845483
• Title: SyntheWorld: A Large-Scale Synthetic Dataset for Land Cover Mapping and Building Change Detection
• Title（参考訳）: SyntheWorld: 土地被覆マッピングと建物変更検出のための大規模合成データセット
• Authors: Jian Song and Hongruixuan Chen and Naoto Yokoya
• Abstract要約: 我々は、品質、多様性、スケールに比類しない合成データセットであるSyntheWorldを提示する。 サブメーターレベルのピクセルを持つ4万枚の画像と8つのカテゴリの詳細なランドカバーアノテーションを含んでいる。 リモートセンシング画像処理研究を容易にするためのSyntheWorldをリリースする。
• 参考スコア（独自算出の注目度）: 20.985372561774415
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Synthetic datasets, recognized for their cost effectiveness, play a pivotal role in advancing computer vision tasks and techniques. However, when it comes to remote sensing image processing, the creation of synthetic datasets becomes challenging due to the demand for larger-scale and more diverse 3D models. This complexity is compounded by the difficulties associated with real remote sensing datasets, including limited data acquisition and high annotation costs, which amplifies the need for high-quality synthetic alternatives. To address this, we present SyntheWorld, a synthetic dataset unparalleled in quality, diversity, and scale. It includes 40,000 images with submeter-level pixels and fine-grained land cover annotations of eight categories, and it also provides 40,000 pairs of bitemporal image pairs with building change annotations for building change detection task. We conduct experiments on multiple benchmark remote sensing datasets to verify the effectiveness of SyntheWorld and to investigate the conditions under which our synthetic data yield advantages. We will release SyntheWorld to facilitate remote sensing image processing research.
• Abstract（参考訳）: コスト効率で認識される合成データセットは、コンピュータビジョンタスクや技術の発展において重要な役割を果たす。 しかし、リモートセンシング画像処理では、より大規模で多様な3Dモデルの需要により、合成データセットの作成が困難になる。 この複雑さは、限られたデータ取得や高いアノテーションコストを含む、実際のリモートセンシングデータセットに関連する困難によって複雑化され、高品質な合成代替品の必要性が増す。 これを解決するために、私たちはSyntheWorldという、品質、多様性、スケールに相容れない合成データセットを紹介します。 サブメーターレベルのピクセルを持つ4万枚の画像と8つのカテゴリの詳細なランドカバーアノテーション、変更検出タスクを構築するための変更アノテーションを構築するための4万枚のバイテンポラルイメージペアを提供する。 我々は,SyntheWorldの有効性を検証するために,複数のベンチマークリモートセンシングデータセットの実験を行い,合成データが有利な条件について検討した。 リモートセンシング画像処理研究を容易にするSyntheWorldをリリースする。

関連論文リスト

• SynDroneVision: A Synthetic Dataset for Image-Based Drone Detection [3.9061053498250753]
  監視アプリケーションにおけるRGBベースのドローン検出に特化した合成データセットであるSynDroneVisionを提案する。 この結果から,SynDroneVisionは実世界のデータ収集に有用な資源であり,実世界のデータ取得の時間とコストを大幅に削減しつつ,モデル性能とロバスト性を大幅に向上させることができた。
  論文  参考訳（メタデータ） (2024-11-08T15:22:49Z)
• SynRS3D: A Synthetic Dataset for Global 3D Semantic Understanding from Monocular Remote Sensing Imagery [17.364630812389038]
  単一視点高分解能リモートセンシング(RS)画像からのグローバルセマンティック3D理解は地球観測(EO)に不可欠である 我々は、EOのための特殊な合成データ生成パイプラインを開発し、最大の合成RS3DデータセットであるSynRS3Dを紹介する。 SynRS3Dは69,667個の高解像度光学画像で構成されており、世界中の6つの異なる都市スタイルをカバーし、8種類のランドカバー、正確な高さ情報、建築変更マスクを備えている。
  論文  参考訳（メタデータ） (2024-06-26T08:04:42Z)
• Hardness-Aware Scene Synthesis for Semi-Supervised 3D Object Detection [59.33188668341604]
  3次元物体検出は、自律運転知覚の基本的なタスクとして機能する。 ポイントクラウドデータのための高品質なアノテーションを得るためには、コストがかかる。 本稿では,適応型合成シーンを生成するために,ハードネス対応シーン合成(HASS)手法を提案する。
  論文  参考訳（メタデータ） (2024-05-27T17:59:23Z)
• Best Practices and Lessons Learned on Synthetic Data [83.63271573197026]
  AIモデルの成功は、大規模で多様な、高品質なデータセットの可用性に依存している。 合成データは、現実世界のパターンを模倣する人工データを生成することによって、有望なソリューションとして現れてきた。
  論文  参考訳（メタデータ） (2024-04-11T06:34:17Z)
• ContraNeRF: Generalizable Neural Radiance Fields for Synthetic-to-real Novel View Synthesis via Contrastive Learning [102.46382882098847]
  まず,合成から現実への新規な視点合成における合成データの影響について検討した。 本稿では,幾何制約を伴う多視点一貫した特徴を学習するために,幾何対応のコントラスト学習を導入することを提案する。 提案手法は,PSNR,SSIM,LPIPSの点で,既存の一般化可能な新規ビュー合成手法よりも高い画質で精細な画像を描画することができる。
  論文  参考訳（メタデータ） (2023-03-20T12:06:14Z)
• Synthetic-to-Real Domain Adaptation for Action Recognition: A Dataset and Baseline Performances [76.34037366117234]
  ロボット制御ジェスチャー(RoCoG-v2)と呼ばれる新しいデータセットを導入する。 データセットは7つのジェスチャークラスの実ビデオと合成ビデオの両方で構成されている。 我々は,最先端の行動認識とドメイン適応アルゴリズムを用いて結果を示す。
  論文  参考訳（メタデータ） (2023-03-17T23:23:55Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
  本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。 提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。 また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
  論文  参考訳（メタデータ） (2022-08-08T08:15:34Z)
• STPLS3D: A Large-Scale Synthetic and Real Aerial Photogrammetry 3D Point Cloud Dataset [6.812704277866377]
  本稿では,合成空中測光点雲生成パイプラインを提案する。 仮想ゲームで合成データを生成するのとは異なり、提案したパイプラインは実環境の再構築プロセスをシミュレートする。 我々は、リッチな注釈付き合成3D空中測光点クラウドデータセットを提案する。
  論文  参考訳（メタデータ） (2022-03-17T03:50:40Z)
• Synthetic Data for Model Selection [2.4499092754102874]
  合成データはモデル選択に有用であることを示す。 そこで本研究では,実領域に適合する合成誤差推定をキャリブレーションする新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-03T09:52:03Z)
• Synthetic Data and Hierarchical Object Detection in Overhead Imagery [0.0]
  衛星画像における低・ゼロサンプル学習を向上させるための新しい合成データ生成および拡張技術を開発した。 合成画像の有効性を検証するために,検出モデルと2段階モデルの訓練を行い,実際の衛星画像上で得られたモデルを評価する。
  論文  参考訳（メタデータ） (2021-01-29T22:52:47Z)

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。