論文の概要: SceneEdited: A City-Scale Benchmark for 3D HD Map Updating via Image-Guided Change Detection
- arxiv url: http://arxiv.org/abs/2511.15153v1
- Date: Wed, 19 Nov 2025 06:10:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-20 15:51:28.656492
- Title: SceneEdited: A City-Scale Benchmark for 3D HD Map Updating via Image-Guided Change Detection
- Title（参考訳）: SceneEdited:画像ガイドによる3DHDマップ更新のための都市スケールベンチマーク
- Authors: Chun-Jung Lin, Tat-Jun Chin, Sourav Garg, Feras Dayoub,
- Abstract要約: SceneEditedは、3Dポイントクラウド更新によるHDマップのメンテナンス研究をサポートするために明示的に設計された最初の都市規模のデータセットである。
SceneEditedには、73kmの運転とおよそ3$textkm2$の都市部を含む800以上の最新のシーンが含まれている。
各シーンには、校正されたRGBイメージ、LiDARスキャン、トレーニングと評価のための詳細な変更マスクが含まれている。
- 参考スコア（独自算出の注目度）: 20.280721190285025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate, up-to-date High-Definition (HD) maps are critical for urban planning, infrastructure monitoring, and autonomous navigation. However, these maps quickly become outdated as environments evolve, creating a need for robust methods that not only detect changes but also incorporate them into updated 3D representations. While change detection techniques have advanced significantly, there remains a clear gap between detecting changes and actually updating 3D maps, particularly when relying on 2D image-based change detection. To address this gap, we introduce SceneEdited, the first city-scale dataset explicitly designed to support research on HD map maintenance through 3D point cloud updating. SceneEdited contains over 800 up-to-date scenes covering 73 km of driving and approximate 3 $\text{km}^2$ of urban area, with more than 23,000 synthesized object changes created both manually and automatically across 2000+ out-of-date versions, simulating realistic urban modifications such as missing roadside infrastructure, buildings, overpasses, and utility poles. Each scene includes calibrated RGB images, LiDAR scans, and detailed change masks for training and evaluation. We also provide baseline methods using a foundational image-based structure-from-motion pipeline for updating outdated scenes, as well as a comprehensive toolkit supporting scalability, trackability, and portability for future dataset expansion and unification of out-of-date object annotations. Both the dataset and the toolkit are publicly available at https://github.com/ChadLin9596/ScenePoint-ETK, establising a standardized benchmark for 3D map updating research.
- Abstract（参考訳）: 正確な最新のハイディフィニション(HD)マップは、都市計画、インフラ監視、自律ナビゲーションにおいて重要である。
しかし、これらの地図は環境が進化するにつれて急速に時代遅れになり、変化を検知するだけでなく、更新された3D表現に組み込む堅牢な方法の必要性が生じる。
変化検出技術は大幅に進歩しているが、特に2次元画像に基づく変化検出に依存する場合、変化の検出と実際の3Dマップの更新の間には明確なギャップが残っている。
このギャップに対処するために,3Dポイントクラウド更新によるHDマップのメンテナンス研究を支援するために設計された,最初の都市規模のデータセットであるSceneEditedを紹介した。
SceneEditedには、73kmの運転とおよそ3$\text{km}^2$の都市部をカバーする800以上の最新のシーンが含まれており、23,000以上の合成されたオブジェクトが手動で作成され、2000以上の時代遅れバージョンで自動的に作成され、道路のインフラ、建物、オーバーパス、ユーティリティポールなどの現実的な都市的な変更をシミュレートしている。
各シーンには、校正されたRGBイメージ、LiDARスキャン、トレーニングと評価のための詳細な変更マスクが含まれている。
また,過去のシーンを更新するための基礎的なイメージベース構造からのパイプラインを用いたベースライン手法や,将来的なデータセットの拡張とオブジェクトアノテーションの統一のための拡張性,追跡性,ポータビリティをサポートする包括的なツールキットも提供する。
データセットとツールキットは、https://github.com/ChadLin9596/ScenePoint-ETKで公開されている。
関連論文リスト
- ChangingGrounding: 3D Visual Grounding in Changing Scenes [92.00984845186679]
現実世界のロボットは自然言語からオブジェクトをローカライズするが、周囲のシーンは変化し続けている。
既存の3Dビジュアルグラウンドティング(3DVG)手法のほとんどは、再構築された最新の点雲を前提としている。
エージェントが過去の観測をいかにうまく活用できるかを明示的に測定する最初のベンチマークであるChangeingGroundingを紹介します。
論文 参考訳（メタデータ） (2025-10-16T17:59:16Z) - Mastering Regional 3DGS: Locating, Initializing, and Editing with Diverse 2D Priors [67.22744959435708]
3Dセマンティックパーシングは2Dに比べて性能が劣ることが多く、3D空間内でのターゲット操作がより困難になり、編集の忠実さが制限される。
本稿では,2次元拡散編集を利用して各ビューの修正領域を正確に同定し,次に3次元ローカライゼーションのための逆レンダリングを行う。
実験により,提案手法は最新技術の性能を実現し,最大4倍のスピードアップを実現した。
論文 参考訳（メタデータ） (2025-07-07T19:15:43Z) - E3D-Bench: A Benchmark for End-to-End 3D Geometric Foundation Models [78.1674905950243]
3次元幾何学基礎モデル(GFM)の総合ベンチマークを初めて提示する。
GFMは、単一のフィードフォワードパスで密度の高い3D表現を直接予測し、スローまたは未使用のカメラパラメータを不要にする。
我々は16の最先端GFMを評価し、タスクやドメイン間の長所と短所を明らかにした。
すべてのコード、評価スクリプト、処理されたデータは公開され、3D空間インテリジェンスの研究が加速される。
論文 参考訳（メタデータ） (2025-06-02T17:53:09Z) - TSP3D: Text-guided Sparse Voxel Pruning for Efficient 3D Visual Grounding [74.033589504806]
視覚的グラウンド化のための効率的なマルチレベル畳み込みアーキテクチャを提案する。
提案手法はトップ推論速度を達成し,従来の最速の手法を100% FPS で上回っている。
論文 参考訳（メタデータ） (2025-02-14T18:59:59Z) - 3DGS-CD: 3D Gaussian Splatting-based Change Detection for Physical Object Rearrangement [2.2122801766964795]
3DGS-CDは3Dシーンにおける物体の物理的配置を検出する最初の3Dガウス散乱(3DGS)に基づく手法である。
提案手法では,異なる時間に撮影された2つの不整合画像を比較して3次元オブジェクトレベルの変化を推定する。
提案手法は,18秒以内のスパース画像を用いて,散在する環境の変化を正確に識別することができる。
論文 参考訳（メタデータ） (2024-11-06T07:08:41Z) - 3D Data Augmentation for Driving Scenes on Camera [50.41413053812315]
本稿では,Drive-3DAugと呼ばれる3次元データ拡張手法を提案する。
まずNeural Radiance Field(NeRF)を用いて,背景および前景の3次元モデルの再構成を行う。
そして、予め定義された背景の有効領域に適応した位置と向きの3Dオブジェクトを配置することにより、拡張駆動シーンを得ることができる。
論文 参考訳（メタデータ） (2023-03-18T05:51:05Z) - Mobile Mapping Mesh Change Detection and Update [0.0]
品質,カバレッジ,取得時間が異なるメッシュをマージする問題に対処する,完全な自動パイプラインを提案する。
提案手法は,距離と視認性に基づく変化検出,変化の持続可能性を評価する時系列解析,大域的最適化に基づくメッシュモザイキングに基づく。
論文 参考訳（メタデータ） (2023-03-13T15:24:06Z) - Building Change Detection using Multi-Temporal Airborne LiDAR Data [0.0]
大気中の光検出・測光(LiDAR)から得られる3次元構造情報は、都市の変化を検出するのに非常に効果的である。
しかし、空中LiDAR(ALS)から得られる3Dポイントの雲は、膨大な量の無秩序かつ不規則にスパースな情報を持っている。
本研究では,3次元点雲をより小さな表現に還元する自動手法を提案する。
論文 参考訳（メタデータ） (2022-04-26T18:43:29Z) - Automatic Map Update Using Dashcam Videos [1.6911482053867475]
実時間変化検出と局所化に着目したSfMベースの自動マップ更新ソリューションを提案する。
本システムでは,スパースSfM点雲を用いて,2次元画像から検出した物体を3次元空間内に検出することができる。
論文 参考訳（メタデータ） (2021-09-24T18:00:57Z) - HDNET: Exploiting HD Maps for 3D Object Detection [99.49035895393934]
高精細度(hd)マップは、現代の3dオブジェクト検出器の性能と頑健性を高める強力な事前情報を提供する。
我々はHDマップから幾何学的特徴と意味的特徴を抽出する単一ステージ検出器を設計する。
地図は至る所では利用できないため、生のLiDARデータからフライ時の地図を推定するマップ予測モジュールも提案する。
論文 参考訳（メタデータ） (2020-12-21T21:59:54Z)
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。