論文の概要: WildfireX-SLAM: A Large-scale Low-altitude RGB-D Dataset for Wildfire SLAM and Beyond

• arxiv url: http://arxiv.org/abs/2510.27133v1
• Date: Fri, 31 Oct 2025 03:11:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:15.962073
• Title: WildfireX-SLAM: A Large-scale Low-altitude RGB-D Dataset for Wildfire SLAM and Beyond
• Title（参考訳）: WildfireX-SLAM:Wildfire SLAM以降の大規模低高度RGB-Dデータセット
• Authors: Zhicong Sun, Jacqueline Lo, Jinxing Hu,
• Abstract要約: 我々は、山火事や森林環境でSLAMのための大規模で包括的で高品質なデータセットを構築しました。 私たちのパイプラインは、光、天気、山火事のタイプや状況などの環境要因を柔軟に制御します。 得られたパイロットデータセットであるWildfireX-SLAMは、合計16 km2の大規模森林地図から5.5kの低高度RGB-D空中画像を含んでいる。
• 参考スコア（独自算出の注目度）: 0.3823356975862005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian splatting (3DGS) and its subsequent variants have led to remarkable progress in simultaneous localization and mapping (SLAM). While most recent 3DGS-based SLAM works focus on small-scale indoor scenes, developing 3DGS-based SLAM methods for large-scale forest scenes holds great potential for many real-world applications, especially for wildfire emergency response and forest management. However, this line of research is impeded by the absence of a comprehensive and high-quality dataset, and collecting such a dataset over real-world scenes is costly and technically infeasible. To this end, we have built a large-scale, comprehensive, and high-quality synthetic dataset for SLAM in wildfire and forest environments. Leveraging the Unreal Engine 5 Electric Dreams Environment Sample Project, we developed a pipeline to easily collect aerial and ground views, including ground-truth camera poses and a range of additional data modalities from unmanned aerial vehicle. Our pipeline also provides flexible controls on environmental factors such as light, weather, and types and conditions of wildfire, supporting the need for various tasks covering forest mapping, wildfire emergency response, and beyond. The resulting pilot dataset, WildfireX-SLAM, contains 5.5k low-altitude RGB-D aerial images from a large-scale forest map with a total size of 16 km2. On top of WildfireX-SLAM, a thorough benchmark is also conducted, which not only reveals the unique challenges of 3DGS-based SLAM in the forest but also highlights potential improvements for future works. The dataset and code will be publicly available. Project page: https://zhicongsun.github.io/wildfirexslam.
• Abstract（参考訳）: 3D Gaussian splatting(3DGS)とそれに続く変種は同時局在とマッピング(SLAM)において顕著な進歩をもたらした。 最近の3DGSベースのSLAMは、小規模な屋内シーンに重点を置いているが、大規模森林シーンのための3DGSベースのSLAM手法の開発は、特に山火事の緊急対応や森林管理など、多くの現実の用途に大きな可能性を秘めている。 しかし、この一連の研究は包括的で高品質なデータセットがないために妨げられ、現実世界のシーンでそのようなデータセットを収集することは費用がかかり技術的には不可能である。 この目的のために我々は、山火事や森林環境におけるSLAMのための大規模で包括的で高品質な合成データセットを構築した。 我々はUnreal Engine 5 Electric Dreams Environment Sample Projectを活用することで、地上と地上の映像を簡単に収集できるパイプラインを開発しました。 我々のパイプラインは、光、天気、山火事のタイプ、状況などの環境要因を柔軟に制御し、森林マッピングや山火事の緊急対応などを含む様々なタスクの必要性をサポートする。 得られたパイロットデータセットであるWildfireX-SLAMは、合計16 km2の大規模森林地図から5.5kの低高度RGB-D空中画像を含んでいる。 WildfireX-SLAMに加えて、詳細なベンチマークも実施されており、森林における3DGSベースのSLAMのユニークな課題だけでなく、将来の作業の潜在的な改善も強調されている。 データセットとコードは公開されている。 プロジェクトページ: https://zhicongsun.github.io/wildfirexslam

関連論文リスト

• MCN-SLAM: Multi-Agent Collaborative Neural SLAM with Hybrid Implicit Neural Scene Representation [51.07118703442774]
  既存のNeRFベースのマルチエージェントSLAMフレームワークは通信帯域幅の制約を満たすことができない。 本稿では,ハイブリッドシーン表現を用いた分散マルチエージェント協調型ニューラルSLAMフレームワークを提案する。 シーン再構成を改善するために, 新規な三面体グリッド共同シーン表現法を提案する。 局所的(単一エージェント)と大域的(複数エージェント)の整合性を実現するために,新しいイントラ・トゥ・インターループ・クロージャ法が設計された。
  論文  参考訳（メタデータ） (2025-06-23T14:22:29Z)
• GigaSLAM: Large-Scale Monocular SLAM with Hierarchical Gaussian Splats [20.98774763235796]
  本稿では,RGB NeRF/3DGSベースの大規模屋外環境向けSLAMフレームワークであるGigaSLAMを紹介する。 我々のアプローチは階層的なスパースボクセルマップ表現を採用しており、ガウシアンはニューラルネットワークによって複数の詳細レベルで復号化されている。 GigaSLAMは、都市の屋外ベンチマークで高精度なトラッキングと視覚的に忠実なレンダリングを提供する。
  論文  参考訳（メタデータ） (2025-03-11T06:05:15Z)
• Development and Application of a Sentinel-2 Satellite Imagery Dataset for Deep-Learning Driven Forest Wildfire Detection [0.0]
  深層学習(DL)による山火事検出のための森林山火事画像ペアの前後にラベル付き10,000枚以上の高解像度ラベル付き衛星画像データセットを構築した。 その結果, 森林火災の検出において, EF効率の高いNet-B0モデルが最も高い精度を92%以上達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-09-24T18:25:02Z)
• RoScenes: A Large-scale Multi-view 3D Dataset for Roadside Perception [98.76525636842177]
  RoScenesは、最大規模のマルチビューロードサイド認識データセットである。 私たちのデータセットは、驚くべき21.13Mの3Dアノテーションを64,000$m2$で達成しています。
  論文  参考訳（メタデータ） (2024-05-16T08:06:52Z)
• Semi-Supervised Domain Adaptation for Wildfire Detection [20.86166825570607]
  本稿では,オブジェクト検出に半教師付きドメイン適応を利用する,山火事検出のための新しいプロトコルを提案する。 我々のデータセットは、現在の最大のベンチマークワイルドファイアデータセットHPWRENの30倍の多様性を持つラベル付きシーンを含んでいる。 我々のフレームワークは、平均精度の3.8%という顕著なマージンで、ソースのみのベースラインを著しく上回ります。
  論文  参考訳（メタデータ） (2024-04-02T11:03:13Z)
• Multi-Layer Modeling of Dense Vegetation from Aerial LiDAR Scans [4.129847064263057]
  私たちはWildForest3Dをリリースしました。これは29の研究プロットと47000m2にまたがる2000以上の個々の木で構成されています。 本稿では,3次元ポイントワイドラベルと高分解能占有メッシュを同時に同時に予測する3次元ディープネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-04-25T12:47:05Z)
• 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)

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。