論文の概要: ECLAIR: A High-Fidelity Aerial LiDAR Dataset for Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2404.10699v1
• Date: Tue, 16 Apr 2024 16:16:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-17 16:05:12.926071
• Title: ECLAIR: A High-Fidelity Aerial LiDAR Dataset for Semantic Segmentation
• Title（参考訳）: ECLAIR: セマンティックセグメンテーションのための高忠実な空中LiDARデータセット
• Authors: Iaroslav Melekhov, Anand Umashankar, Hyeong-Jin Kim, Vladislav Serkov, Dusty Argyle,
• Abstract要約: ECLAIRは、ポイントクラウドセマンティックセグメンテーションの研究を進めるために特別に設計された、屋外の大規模なLiDARデータセットである。 データセットの総面積は10$km2$で6億点近くあり、11の異なるオブジェクトカテゴリが特徴である。 このデータセットは、3D都市モデリング、シーン理解、ユーティリティインフラストラクチャ管理といった分野を前進させるために設計されている。
• 参考スコア（独自算出の注目度）: 0.5277756703318045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce ECLAIR (Extended Classification of Lidar for AI Recognition), a new outdoor large-scale aerial LiDAR dataset designed specifically for advancing research in point cloud semantic segmentation. As the most extensive and diverse collection of its kind to date, the dataset covers a total area of 10$km^2$ with close to 600 million points and features eleven distinct object categories. To guarantee the dataset's quality and utility, we have thoroughly curated the point labels through an internal team of experts, ensuring accuracy and consistency in semantic labeling. The dataset is engineered to move forward the fields of 3D urban modeling, scene understanding, and utility infrastructure management by presenting new challenges and potential applications. As a benchmark, we report qualitative and quantitative analysis of a voxel-based point cloud segmentation approach based on the Minkowski Engine.
• Abstract（参考訳）: ECLAIR (Extended Classification of Lidar for AI Recognition) は、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の研究を進めるために設計された、屋外の大規模LiDARデータセットである。 このデータセットは、これまでで最も広く多様な種類のコレクションであり、総面積が10$km^2$で6億点近くあり、11の異なる対象カテゴリが特徴である。 データセットの品質と有用性を保証するため、私たちは専門家の社内チームを通じてポイントラベルを徹底的にキュレートし、セマンティックラベリングの正確性と一貫性を確保しました。 このデータセットは、3D都市モデリング、シーン理解、ユーティリティインフラストラクチャ管理の分野を、新たな課題と潜在的な応用を提示することによって前進させるよう設計されている。 ベンチマークとして,ミンコフスキーエンジンに基づくボクセルベースの点雲セグメンテーション手法の質的,定量的解析を行った。

関連論文リスト

• InLUT3D: Challenging real indoor dataset for point cloud analysis [0.0]
  本稿では,屋内環境におけるシーン理解の分野を推し進めるための総合的なリソースであるInLUT3Dポイントクラウドデータセットを紹介する。 このデータセットは、高解像度レーザーベースの点雲と手動ラベリングを特徴とするロドス工科大学のW7学部ビル内の様々な空間をカバーしている。
  論文  参考訳（メタデータ） (2024-07-22T09:56:31Z)
• FRACTAL: An Ultra-Large-Scale Aerial Lidar Dataset for 3D Semantic Segmentation of Diverse Landscapes [0.0]
  7つのセマンティッククラスのための高品質なラベル付き10万個の高密度点雲からなる超大規模空中Lidarデータセットを提案する。 データセットのデータ収集,アノテーション,キュレーションプロセスについて述べる。 アート3Dポイントクラウド分類モデルを用いて,ベースラインのセマンティックセマンティックセマンティクス結果を提供する。
  論文  参考訳（メタデータ） (2024-05-07T19:37:22Z)
• infoVerse: A Universal Framework for Dataset Characterization with Multidimensional Meta-information [68.76707843019886]
  infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。 infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。 実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2023-05-30T18:12:48Z)
• Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles [63.20765930558542]
  3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。 そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。 ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
  論文  参考訳（メタデータ） (2023-02-16T13:41:19Z)
• 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)
• Automatic labelling of urban point clouds using data fusion [1.8275108630751844]
  本稿では,都市部における街路点雲のセマンティックセマンティックセグメンテーションのためのラベル付きデータセットを半自動生成する手法について述べる。 我々は、標高データや大規模地形図などの公開データソースを用いたデータ融合技術を用いて、ポイントクラウドの一部を自動的にラベル付けする。 これにより、ディープセマンティックセグメンテーションモデルをトレーニングするのに十分なラベル付きデータセットを作成するのに必要な時間が大幅に制限される。
  論文  参考訳（メタデータ） (2021-08-31T11:14:22Z)
• 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)
• 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)
• DALES: A Large-scale Aerial LiDAR Data Set for Semantic Segmentation [8.486713415198972]
  我々は,5億点以上の手札を持つ大規模LiDARデータセットであるDayton Annotated LiDAR Earth Scan (DALES)データセットを提示する。 DALESは400倍以上の点数と6倍の分解能を持つ、最も広く公開されているALSデータセットである。
  論文  参考訳（メタデータ） (2020-04-14T20:05:28Z)

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。