Fugu-MT 論文翻訳(概要): SUM Parts: Benchmarking Part-Level Semantic Segmentation of Urban Meshes

論文の概要: SUM Parts: Benchmarking Part-Level Semantic Segmentation of Urban Meshes

arxiv url: http://arxiv.org/abs/2503.15300v1
Date: Wed, 19 Mar 2025 15:22:23 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-20 15:23:13.988153
Title: SUM Parts: Benchmarking Part-Level Semantic Segmentation of Urban Meshes
Title（参考訳）: SUM Parts: 都市メッシュのパートレベルセマンティックセマンティックセグメンテーションのベンチマーク
Authors: Weixiao Gao, Liangliang Nan, Hugo Ledoux,
Abstract要約: 本稿では,都市型テクスチャメッシュの大規模データセットであるSUM Partsを紹介した。データセットは、顔とテクスチャベースのアノテーションをサポートする独自のアノテーションツールを使用して作成されました。
参考スコア（独自算出の注目度）: 1.338174941551702
License:
Abstract: Semantic segmentation in urban scene analysis has mainly focused on images or point clouds, while textured meshes - offering richer spatial representation - remain underexplored. This paper introduces SUM Parts, the first large-scale dataset for urban textured meshes with part-level semantic labels, covering about 2.5 km2 with 21 classes. The dataset was created using our own annotation tool, which supports both face- and texture-based annotations with efficient interactive selection. We also provide a comprehensive evaluation of 3D semantic segmentation and interactive annotation methods on this dataset. Our project page is available at https://tudelft3d.github.io/SUMParts/.
Abstract（参考訳）: 都市景観分析におけるセマンティックセグメンテーションは、主に画像や点雲に焦点を当てているが、テクスチャ化されたメッシュは、より豊かな空間表現を提供する。本稿では,SUM Partsについて紹介する。SUM Partsは,21クラスで約2.5km2のセマンティックラベルを持つ都市テクスチャメッシュのための,最初の大規模データセットである。データセットは当社独自のアノテーションツールを使用して作成され、顔とテクスチャベースのアノテーションの両方を効率的な対話的選択でサポートしています。また,本データセット上での3次元セマンティックセグメンテーションとインタラクティブアノテーション手法の総合評価を行った。私たちのプロジェクトページはhttps://tudelft3d.github.io/SUMParts/で公開されています。

関連論文リスト

SPIN: Hierarchical Segmentation with Subpart Granularity in Natural Images [17.98848062686217]
自然画像のサブパートアノテーションを用いた最初の階層的セマンティックセマンティックセマンティクスデータセットを提案する。また,アルゴリズムが階層レベルの空間的関係と意味的関係をいかにうまく捉えるかを評価するために,新しい評価指標を2つ導入した。
論文参考訳（メタデータ） (2024-07-12T21:08:00Z)
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)
PSSNet: Planarity-sensible Semantic Segmentation of Large-scale Urban Meshes [3.058685580689605]
テクスチャメッシュとして表現された3次元都市シーンを解釈するための,新しいディープラーニングベースのフレームワークを提案する。我々のフレームワークは2つのステップでセマンティックセグメンテーションを実現する: 計画性に敏感なオーバーセグメンテーションとセマンティックセグメンテーション。我々のアプローチは、境界品質とIoU(組合間)の平均で最先端の手法より優れています。
論文参考訳（メタデータ） (2022-02-07T14:16:10Z)
TransFGU: A Top-down Approach to Fine-Grained Unsupervised Semantic Segmentation [44.75300205362518]
教師なしセマンティックセグメンテーションは、手動のアノテーションを使わずに、低レベルの視覚的特徴の高レベルセマンティック表現を得ることを目的としている。本稿では, 非常に複雑なシナリオにおける細粒度セグメンテーションのための, トップダウンの教師なしセグメンテーションフレームワークを提案する。我々の結果は、トップダウンの教師なしセグメンテーションが、オブジェクト中心とシーン中心の両方のデータセットに対して堅牢であることを示している。
論文参考訳（メタデータ） (2021-12-02T18:59:03Z)
Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [94.16816278191477]
本稿では,セミアダプティブなセマンティック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フレームワークを提案する。ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。提案したモデルをCityscapesデータセット上で検証する。
論文参考訳（メタデータ） (2021-08-28T01:33:38Z)
Learning Statistical Texture for Semantic Segmentation [53.7443670431132]
セマンティックセグメンテーションのための新しい統計テクスチャ学習ネットワーク(STLNet)を提案する。 STLNetは、初めて低レベルの情報の分布を分析し、それらをタスクに効率的に活用する。 1)テクスチャ関連情報を捕捉し,テクスチャの詳細を強化するためのテクスチャエンハンスモジュール(TEM),(2)ピラミッドテクスチャ特徴抽出モジュール(PTFEM)の2つのモジュールを導入し,複数のスケールから統計的テクスチャ特徴を効果的に抽出する。
論文参考訳（メタデータ） (2021-03-06T15:05:35Z)
SUM: A Benchmark Dataset of Semantic Urban Meshes [3.001335226051674]
本稿では、意味的都市メッシュの新しいベンチマークデータセット、新しい半自動アノテーションフレームワーク、および3Dメッシュのためのオープンソースアノテーションツールを紹介します。特に我々のデータセットはヘルシンキ(フィンランド)の約4km2で、6つのクラスでカバーしています。注釈付きデータセット上のいくつかの代表的な3Dセマンティックセグメンテーション手法のパフォーマンスを比較します。
論文参考訳（メタデータ） (2021-02-27T23:26:21Z)
Three Ways to Improve Semantic Segmentation with Self-Supervised Depth Estimation [90.87105131054419]
ラベルなし画像列からの自己教師付き単眼深度推定により強化された半教師付きセマンティックセマンティックセマンティックセマンティクスのフレームワークを提案する。提案されたモデルをCityscapesデータセット上で検証する。
論文参考訳（メタデータ） (2020-12-19T21:18:03Z)
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)
Improving Semantic Segmentation via Decoupled Body and Edge Supervision [89.57847958016981]
既存のセグメンテーションアプローチは、グローバルコンテキストをモデル化することでオブジェクトの内部の一貫性を改善すること、あるいはマルチスケールの特徴融合によって境界に沿ったオブジェクトの詳細を洗練することを目的としている。本稿では,セマンティックセグメンテーションのための新しいパラダイムを提案する。我々の洞察は、セマンティックセグメンテーションの魅力ある性能には、画像の高頻度と低頻度に対応するオブジェクトのテキストボディとテキストエッジを具体的にモデル化する必要があるということである。さまざまなベースラインやバックボーンネットワークを備えた提案したフレームワークが,オブジェクト内部の一貫性とオブジェクト境界を向上させることを示す。
論文参考訳（メタデータ） (2020-07-20T12:11:22Z)

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。