論文の概要: SemanticBridge - A Dataset for 3D Semantic Segmentation of Bridges and Domain Gap Analysis

• arxiv url: http://arxiv.org/abs/2512.15369v2
• Date: Thu, 18 Dec 2025 08:59:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 14:03:03.329738
• Title: SemanticBridge - A Dataset for 3D Semantic Segmentation of Bridges and Domain Gap Analysis
• Title（参考訳）: セマンティックブリッジ - ブリッジの3次元セマンティックセグメンテーションと領域ギャップ解析のためのデータセット
• Authors: Maximilian Kellner, Mariana Ferrandon Cervantes, Yuandong Pan, Ruodan Lu, Ioannis Brilakis, Alexander Reiterer,
• Abstract要約: データセットは、さまざまな国の橋梁構造の高解像度3Dスキャンと、それぞれに詳細なセマンティックラベルを提供する。 本研究の目的は,橋梁部品の高精度かつ自動セグメンテーションを容易にし,構造的健康モニタリングの実践を促進することである。 センサの変動による領域ギャップを定量化するために,多様なセンサを用いて取得したデータを提示する。
• 参考スコア（独自算出の注目度）: 32.559302660048594
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose a novel dataset that has been specifically designed for 3D semantic segmentation of bridges and the domain gap analysis caused by varying sensors. This addresses a critical need in the field of infrastructure inspection and maintenance, which is essential for modern society. The dataset comprises high-resolution 3D scans of a diverse range of bridge structures from various countries, with detailed semantic labels provided for each. Our initial objective is to facilitate accurate and automated segmentation of bridge components, thereby advancing the structural health monitoring practice. To evaluate the effectiveness of existing 3D deep learning models on this novel dataset, we conduct a comprehensive analysis of three distinct state-of-the-art architectures. Furthermore, we present data acquired through diverse sensors to quantify the domain gap resulting from sensor variations. Our findings indicate that all architectures demonstrate robust performance on the specified task. However, the domain gap can potentially lead to a decline in the performance of up to 11.4% mIoU.
• Abstract（参考訳）: 本稿では,橋梁の3次元セマンティックセマンティックセグメンテーションと,各種センサによる領域ギャップ解析に特化して設計された新しいデータセットを提案する。 これは、近代社会にとって欠かせないインフラ検査・整備の分野における重要なニーズに対処するものである。 データセットは、さまざまな国の橋梁構造の高解像度3Dスキャンと、それぞれに詳細なセマンティックラベルを提供する。 本研究の目的は,橋梁部品の高精度かつ自動セグメンテーションを容易にし,構造的健康モニタリングの実践を促進することである。 本稿では,既存の3次元ディープラーニングモデルの有効性を評価するために,3つの異なる最先端アーキテクチャを包括的に分析する。 さらに,センサの変動による領域ギャップを定量化するために,多様なセンサを用いて取得したデータも提示する。 以上の結果から,全てのアーキテクチャが特定のタスクに対して堅牢な性能を示すことが示唆された。 しかし、ドメインギャップは最大11.4%のmIoUのパフォーマンス低下につながる可能性がある。

関連論文リスト

• Domain Adaptation for Different Sensor Configurations in 3D Object Detection [1.4566410781522745]
  3次元物体検出におけるセンサ構成の異なる領域適応に対処する。 下流ファインチューニングと部分層ファインチューニングの2つの手法を提案する。 本研究は,多種多様な車両プラットフォームに3次元物体検出モデルを適用するための実用的でスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-04T23:54:25Z)
• Investigating Domain Gaps for Indoor 3D Object Detection [60.55242233729081]
  本研究では,屋内3次元物体検出器を1つのデータセットから別のデータセットに適応させる作業について考察する。 本稿では, ScanNet, SUN RGB-D, 3D Frontのデータセットと, 新たに提案した大規模データセット ProcTHOR-OD と ProcFront を用いたベンチマークを提案する。 本研究は,3次元物体検出器におけるドメインギャップの違いが,合成から現実への適応,点雲品質適応,レイアウト適応,インスタンス特徴適応など,さまざまな適応シナリオについて実験を行った。
  論文  参考訳（メタデータ） (2025-08-24T16:34:19Z)
• Empowering Bridge Digital Twins by Bridging the Data Gap with a Unified Synthesis Framework [6.238251307666132]
  本稿では,3次元ブリッジデータを生成するための体系的枠組みを提案する。 コンポーネントレベルのインスタンスアノテーション、高忠実度カラー、正確な正規ベクトルを特徴とするポイントクラウドを自動的に生成できる。 実世界のブリッジセマンティックセマンティックセグメンテーションにおいて,合成データを用いてトレーニングしたPointNet++モデルにより,平均的なmIoU(Intersection over Union)が84.2%に達することを示す。
  論文  参考訳（メタデータ） (2025-07-08T09:34:55Z)
• ForensicHub: A Unified Benchmark & Codebase for All-Domain Fake Image Detection and Localization [54.64604722756443]
  ForensicHubは、オールドメインの偽画像検出とローカライゼーションのための最初の統一ベンチマークである。 科学的なパイプラインをデータセット、変換、モデル、評価者間で交換可能なコンポーネントに分解する。 FIDLモデルアーキテクチャ、データセットの特徴、評価標準に関する8つの重要な実行可能な洞察を提供する。
  論文  参考訳（メタデータ） (2025-05-16T08:49:59Z)
• One for All: Multi-Domain Joint Training for Point Cloud Based 3D Object Detection [71.78795573911512]
  textbfOneDet3Dは、異なるドメイン間での3D検出に対処する汎用的なワン・ツー・オール・モデルである。 本稿では、データ干渉問題に対処するため、ルーティング機構によって誘導される散乱とコンテキストにおけるドメイン認識を提案する。 完全なスパース構造とアンカーフリーヘッドは、さらに大きなスケールの差のある点雲を収容する。
  論文  参考訳（メタデータ） (2024-11-03T14:21:56Z)
• CrossEarth: Geospatial Vision Foundation Model for Domain Generalizable Remote Sensing Semantic Segmentation [85.22910555280414]
  CrossEarthはセマンティックセグメンテーションのためのビジョン基盤モデルである。 CrossEarthは、特別に設計されたデータレベルのEarth-Style Injectionパイプラインを通じて、強力なクロスドメインの一般化を実証する。 セマンティックセグメンテーションタスクのために,各領域,スペクトル帯域,プラットフォーム,気候の32のクロスドメイン設定からなるRSDGベンチマークをキュレートした。
  論文  参考訳（メタデータ） (2024-10-30T01:22:37Z)
• Are We Ready for Real-Time LiDAR Semantic Segmentation in Autonomous Driving? [42.348499880894686]
  シーンセマンティックセグメンテーションは、3次元空間データを専門のディープニューラルネットワークと直接統合することで実現できる。 本研究では, NVIDIA Jetson プラットフォーム上でのリソース制約推論の性能と性能を解析し, 様々な3次元セマンティックセマンティックセマンティクス手法について検討する。
  論文  参考訳（メタデータ） (2024-10-10T20:47:33Z)
• Uni$^2$Det: Unified and Universal Framework for Prompt-Guided Multi-dataset 3D Detection [64.08296187555095]
  Uni$2$Detは3D検出のための統一的で普遍的なマルチデータセットトレーニングのためのフレームワークである。 マルチデータセット3D検出のためのマルチステージプロンプトモジュールを提案する。 ゼロショットクロスデータセット転送の結果は,提案手法の一般化能力を検証する。
  論文  参考訳（メタデータ） (2024-09-30T17:57:50Z)

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。