論文の概要: Multi-dataset synergistic in supervised learning to pre-label structural components in point clouds from shell construction scenes

• arxiv url: http://arxiv.org/abs/2502.14721v1
• Date: Thu, 20 Feb 2025 16:48:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:27:17.088903
• Title: Multi-dataset synergistic in supervised learning to pre-label structural components in point clouds from shell construction scenes
• Title（参考訳）: 貝殻構築シーンからの点雲におけるプレラベル構造成分に対する教師あり学習におけるマルチデータセットの相乗効果
• Authors: Lukas Rauch, Thomas Braml,
• Abstract要約: 本研究は,建築・工学・建設(AEC)における複雑な構造部品の分断の課題に対処する。 我々は、教師付きトレーニングとカスタム検証データセットを通じてベースラインを確立し、大規模な屋内データセットによるクロスドメイン推論を評価し、転送学習を利用して、最小限の新しいデータでセグメンテーション性能を最大化する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The significant effort required to annotate data for new training datasets hinders computer vision research and machine learning in the construction industry. This work explores adapting standard datasets and the latest transformer model architectures for point cloud semantic segmentation in the context of shell construction sites. Unlike common approaches focused on object segmentation of building interiors and furniture, this study addressed the challenges of segmenting complex structural components in Architecture, Engineering, and Construction (AEC). We establish a baseline through supervised training and a custom validation dataset, evaluate the cross-domain inference with large-scale indoor datasets, and utilize transfer learning to maximize segmentation performance with minimal new data. The findings indicate that with minimal fine-tuning, pre-trained transformer architectures offer an effective strategy for building component segmentation. Our results are promising for automating the annotation of new, previously unseen data when creating larger training resources and for the segmentation of frequently recurring objects.
• Abstract（参考訳）: 新たなトレーニングデータセットのアノテートに必要な多大な労力は、建設業界におけるコンピュータビジョン研究と機械学習を妨げる。 この研究は、シェル構築現場のコンテキストにおいて、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ための標準データセットと最新のトランスフォーマーモデルアーキテクチャの適用について検討する。 建築内部と家具のオブジェクトセグメンテーションに焦点を当てた一般的なアプローチとは異なり、建築・工学・建設(AEC)における複雑な構造部品のセグメンテーションの課題に対処する。 我々は、教師付きトレーニングとカスタム検証データセットを通じてベースラインを確立し、大規模な屋内データセットを用いてクロスドメイン推論を評価し、転送学習を利用して、最小限の新しいデータでセグメンテーション性能を最大化する。 その結果、最小限の微調整により、事前訓練されたトランスフォーマーアーキテクチャは、コンポーネントセグメンテーションを構築するための効果的な戦略を提供することが示された。 我々の成果は、より大きなトレーニングリソースを作成する際に、新しい未確認データのアノテーションを自動化し、頻繁なオブジェクトのセグメンテーションを自動化できることを約束している。

関連論文リスト

• Investigating Public Fine-Tuning Datasets: A Complex Review of Current Practices from a Construction Perspective [2.12587313410587]
  本稿では、データ構築の観点から、現在の公開微調整データセットをレビューする。 このレビューでは、進化と分類の2つの側面から、パブリックな微調整データセットの概要を述べる。
  論文  参考訳（メタデータ） (2024-07-11T13:11:16Z)
• Learning to Extract Structured Entities Using Language Models [52.281701191329]
  機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。 タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。 我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
  論文  参考訳（メタデータ） (2024-02-06T22:15:09Z)
• A Framework for Building Point Cloud Cleaning, Plane Detection and Semantic Segmentation [0.4604003661048266]
  私たちは、取得したポイントクラウドデータからアウトリーチを取り除くことに集中しています。 クリーニング処理の後、ロバストなRANSACパラダイムを用いて平面検出を行う。 結果として得られたセグメントは、建物のアーキテクチャ要素を表す正確で詳細なポイントクラウドを生成することができる。
  論文  参考訳（メタデータ） (2024-02-01T15:50:40Z)
• Interfacing Foundation Models' Embeddings [131.0352288172788]
  ファウンデーションモデルの埋め込みと、モダリティと粒度にまたがる統合イメージとデータセットレベルの理解を整合させる汎用インターフェースであるFINDを提案する。 インターリーブド埋め込み空間を考慮したFIND-Benchでは,インターリーブドセグメンテーションと検索のためのCOCOデータセットに新たなトレーニングと評価アノテーションを導入している。
  論文  参考訳（メタデータ） (2023-12-12T18:58:02Z)
• Open-Vocabulary Camouflaged Object Segmentation [66.94945066779988]
  OVCOS(Open-vocabulary camouflaged Object segmentation)を導入した。 我々は11,483個の手選択画像とそれに対応するオブジェクトクラスを含む大規模複合シーンデータセット(textbfOVCamo)を構築した。 クラスセマンティック知識の指導とエッジ情報と深度情報からの視覚構造的手がかりの補足を統合することにより、提案手法は効率よくカモフラージュされたオブジェクトを捕捉できる。
  論文  参考訳（メタデータ） (2023-11-19T06:00:39Z)
• Segment Any Building [8.12405696290333]
  この原稿は、画像にセグメンテーションを構築するための最先端表現学習パラダイムを用いて、多様なデータセットをタンデムで活用する能力をアクセント化する。 我々の前衛合同訓練体制は, 都市インフラ整備, 防災戦略, 生態モニタリングなど, 重要な分野に重大な影響を及ぼし, アプローチのメリットを浮き彫りにしている。 この研究の結果は、学術的な追求の基盤を固めることと、セグメンテーション構築の分野における革新的な応用による地平線を埋めることの両方に繋がる。
  論文  参考訳（メタデータ） (2023-10-02T12:49:20Z)
• Structural Concept Learning via Graph Attention for Multi-Level Rearrangement Planning [2.7195102129095003]
  本稿では,階層構造を持つシーンに対して,複数レベルのオブジェクトアレンジメント計画を実行するためのディープラーニング手法を提案する。 直感的な構造を持つ自己生成シミュレーションデータセットでトレーニングされ、任意の数のオブジェクトで見えないシーンで動作する。 提案手法を古典的およびモデルベースラインの範囲と比較し,そのシーン理解を活用して性能,柔軟性,効率性を向上することを示す。
  論文  参考訳（メタデータ） (2023-09-05T19:35:44Z)
• Simple and Efficient Architectures for Semantic Segmentation [50.1563637917129]
  ResNetのようなバックボーンと小型のマルチスケールヘッドを備えた単純なエンコーダデコーダアーキテクチャは,HRNetやFANet,DDRNetといった複雑なセマンティックセマンティックセマンティクスアーキテクチャよりも優れていることを示す。 そこで我々は,Cityscapesデータセット上の複雑なモデルの性能に適合する,あるいは超越した,デスクトップおよびモバイルターゲット用のこのようなシンプルなアーキテクチャのファミリーを提示する。
  論文  参考訳（メタデータ） (2022-06-16T15:08:34Z)
• Towards Robust Part-aware Instance Segmentation for Industrial Bin Picking [113.79582950811348]
  産業用ビンピッキングのための新しい部分認識型インスタンスセグメンテーションパイプラインを定式化する。 我々は、部品マスクと部品間オフセットを予測する部分認識ネットワークを設計し、続いて認識された部品をインスタンスに組み立てる部分集約モジュールを設計する。 このデータセットは、細く、非自明な形状の様々な産業オブジェクトを含む。
  論文  参考訳（メタデータ） (2022-03-05T14:58:05Z)
• BuildingNet: Learning to Label 3D Buildings [19.641000866952815]
  BuildingNet: (a)外装が一貫してラベル付けされている大規模な3Dビルディングモデル、(b)幾何学的プリミティブの分析と構造的関係をビルディングにラベル付けするニューラルネットワーク。 データセットは、家、教会、高層ビル、市役所、城などのカテゴリをカバーしている。
  論文  参考訳（メタデータ） (2021-10-11T01:45:26Z)
• Personal Fixations-Based Object Segmentation with Object Localization and Boundary Preservation [60.41628937597989]
  我々はPFOS(Personal Fixations-based Object)に着目し,過去の研究の課題に対処する。 視線オブジェクトをセグメント化するオブジェクトローカリゼーションと境界保存(OLBP)に基づく新しいネットワークを提案する。 OLBPは複数のタイプの深い監督の混合されたボトムアップおよびトップダウンの方法で整理されます。
  論文  参考訳（メタデータ） (2021-01-22T09:20:47Z)

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。