論文の概要: 3DAeroRelief: The first 3D Benchmark UAV Dataset for Post-Disaster Assessment

• arxiv url: http://arxiv.org/abs/2509.11097v1
• Date: Sun, 14 Sep 2025 05:27:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.918022
• Title: 3DAeroRelief: The first 3D Benchmark UAV Dataset for Post-Disaster Assessment
• Title（参考訳）: 3DAeroRelief: 災害後のアセスメントのための最初の3DベンチマークUAVデータセット
• Authors: Nhut Le, Ehsan Karimi, Maryam Rahnemoonfar,
• Abstract要約: 3DAeroReliefは、ディスアスター後のアセスメント用に特別に設計された最初の3Dベンチマークデータセットである。 データセットには、Structure-from-MotionとMulti-View Stereo技術によって再構築された、密集した3Dポイントクラウドがある。 本研究では,災害対応における3次元シーン理解の課題と機会を明らかにするために,データセット上での最先端の3次元セグメンテーションモデルを評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Timely assessment of structural damage is critical for disaster response and recovery. However, most prior work in natural disaster analysis relies on 2D imagery, which lacks depth, suffers from occlusions, and provides limited spatial context. 3D semantic segmentation offers a richer alternative, but existing 3D benchmarks focus mainly on urban or indoor scenes, with little attention to disaster-affected areas. To address this gap, we present 3DAeroRelief--the first 3D benchmark dataset specifically designed for post-disaster assessment. Collected using low-cost unmanned aerial vehicles (UAVs) over hurricane-damaged regions, the dataset features dense 3D point clouds reconstructed via Structure-from-Motion and Multi-View Stereo techniques. Semantic annotations were produced through manual 2D labeling and projected into 3D space. Unlike existing datasets, 3DAeroRelief captures 3D large-scale outdoor environments with fine-grained structural damage in real-world disaster contexts. UAVs enable affordable, flexible, and safe data collection in hazardous areas, making them particularly well-suited for emergency scenarios. To demonstrate the utility of 3DAeroRelief, we evaluate several state-of-the-art 3D segmentation models on the dataset to highlight both the challenges and opportunities of 3D scene understanding in disaster response. Our dataset serves as a valuable resource for advancing robust 3D vision systems in real-world applications for post-disaster scenarios.
• Abstract（参考訳）: 構造物の損傷のタイムリーな評価は、災害対応と復旧に不可欠である。 しかし, 自然災害解析における先行研究のほとんどは, 深度に欠け, 閉塞に悩まされ, 空間的文脈が限られている2次元画像に依存している。 3Dセマンティックセグメンテーションは、よりリッチな代替手段を提供するが、既存の3Dベンチマークは主に都市や屋内のシーンに焦点を当てている。 このギャップに対処するため、3DAeroReliefは、ディスアスター後の評価に特化して設計された最初の3Dベンチマークデータセットである。 ハリケーンによる被害を受けた地域での低コスト無人航空機(UAV)を用いて収集されたデータセットは、Structure-from-MotionおよびMulti-View Stereo技術によって再構築された密集した3Dポイント雲を特徴としている。 セマンティックアノテーションは手動の2Dラベリングによって作成され、3D空間に投影された。 既存のデータセットとは異なり、3DAeroReliefは3Dの大規模な屋外環境をキャプチャし、現実世界の災害状況においてきめ細かい構造的ダメージを与える。 UAVは、危険地域における安価で柔軟な安全なデータ収集を可能にし、特に緊急時のシナリオに適している。 3DAeroReliefの実用性を実証するため,災害時の3Dシーン理解の課題と機会を明らかにするために,データセット上の最先端の3Dセグメンテーションモデルを評価した。 我々のデータセットは、災害後のシナリオのための現実世界のアプリケーションにおいて、堅牢な3Dビジョンシステムを前進させるための貴重なリソースとして役立ちます。

関連論文リスト

• ConcreTizer: Model Inversion Attack via Occupancy Classification and Dispersion Control for 3D Point Cloud Restoration [8.387189407144403]
  本研究は,3次元点雲シーンの復元を目的としたモデル逆転攻撃の詳細な研究である。 解析の結果,3次元点雲の特異性,空のボクセルと空のボクセルとのあいまいさが明らかになった。 我々は,voxelベースの3Dポイントクラウドデータに特化して設計された,シンプルで効果的なモデル逆転攻撃であるConcreTizerを紹介した。
  論文  参考訳（メタデータ） (2025-03-10T07:05:36Z)
• Street Gaussians without 3D Object Tracker [84.89933388445185]
  既存のほとんどの方法は、オブジェクトポーズの労働集約的な手動ラベリングに依存している。 本研究では,3次元オブジェクト融合戦略における2次元ディープトラッカーの関連性を利用して,安定なオブジェクト追跡モジュールを提案する。 我々は、軌道誤差を自律的に補正し、見逃した検出を回復する暗黙の特徴空間に、モーションラーニング戦略を導入することで、避けられないトラッキングエラーに対処する。
  論文  参考訳（メタデータ） (2024-12-07T05:49:42Z)
• Toward Availability Attacks in 3D Point Clouds [28.496421433836908]
  距離正規化による2次元アベイラビリティーアタックを3次元点群に直接適用することは, 縮退の影響を受けやすいことを示す。 特徴空間に新たなショートカットを生成するFC-EM(Feature Collision Error-Minimization)法を提案する。 典型的なポイントクラウドデータセット,3次元頭蓋内動脈瘤医療データセット,および3次元顔データセットを用いて,我々のアプローチの優位性と実用性を検証する。
  論文  参考訳（メタデータ） (2024-06-26T08:13:30Z)
• FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models [59.13757801286343]
  クラス増分学習(class-incremental learning)は、モデルが限られたデータで漸進的にトレーニングされている場合、破滅的な忘れの問題を軽減することを目的としている。 本稿では,特徴空間の不整合のための冗長特徴除去器 (RFE) と,重要な雑音に対する空間ノイズ補償器 (SNC) の2つの新しいコンポーネントを備えたFILP-3Dフレームワークを紹介する。
  論文  参考訳（メタデータ） (2023-12-28T14:52:07Z)
• Real3D-AD: A Dataset of Point Cloud Anomaly Detection [75.56719157477661]
  本稿では,高精度なクラウド異常検出データセットであるReal3D-ADを紹介する。 1,254個の高解像度の3Dアイテムが、各項目に4万から数百万のポイントがあり、Real3D-ADは高精度な3D産業異常検出のための最大のデータセットである。 本稿では,高精度点雲異常検出のためのベースライン手法が存在しないことを明らかにする,Real3D-ADの総合ベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-09-23T00:43:38Z)
• Exploring Deep 3D Spatial Encodings for Large-Scale 3D Scene Understanding [19.134536179555102]
  生の3次元点雲の空間的特徴を非方向性グラフモデルに符号化することで,CNNに基づくアプローチの限界を克服する代替手法を提案する。 提案手法は、訓練時間とモデル安定性を改善して、最先端の精度で達成し、さらなる研究の可能性を示す。
  論文  参考訳（メタデータ） (2020-11-29T12:56:19Z)

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。