論文の概要: 3D Semantic Segmentation for Post-Disaster Assessment

• arxiv url: http://arxiv.org/abs/2512.24593v1
• Date: Wed, 31 Dec 2025 03:30:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.55472
• Title: 3D Semantic Segmentation for Post-Disaster Assessment
• Title（参考訳）: 事後評価のための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
• Authors: Nhut Le, Maryam Rahnemoonfar,
• Abstract要約: 無人航空機(UAV)が捉えたハリケーン・イアン(2022年)の空中映像を被災地で捉えた3Dデータセットを構築した。 我々は,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モデル,FPT,ポイントトランスフォーマーv3(PTv3),OA-CNN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: The increasing frequency of natural disasters poses severe threats to human lives and leads to substantial economic losses. While 3D semantic segmentation is crucial for post-disaster assessment, existing deep learning models lack datasets specifically designed for post-disaster environments. To address this gap, we constructed a specialized 3D dataset using unmanned aerial vehicles (UAVs)-captured aerial footage of Hurricane Ian (2022) over affected areas, employing Structure-from-Motion (SfM) and Multi-View Stereo (MVS) techniques to reconstruct 3D point clouds. We evaluated the state-of-the-art (SOTA) 3D semantic segmentation models, Fast Point Transformer (FPT), Point Transformer v3 (PTv3), and OA-CNNs on this dataset, exposing significant limitations in existing methods for disaster-stricken regions. These findings underscore the urgent need for advancements in 3D segmentation techniques and the development of specialized 3D benchmark datasets to improve post-disaster scene understanding and response.
• Abstract（参考訳）: 自然災害の発生頻度の増加は、人命に深刻な脅威をもたらし、経済的にかなりの損失をもたらす。 事後評価には3Dセマンティックセグメンテーションが不可欠だが、既存のディープラーニングモデルは事後環境用に特別に設計されたデータセットを欠いている。 このギャップに対処するため,無人航空機(UAV)によるハリケーン・イアン(2022年)の空中映像を被災地で撮影し,Structure-from-Motion(SfM)とMulti-View Stereo(MVS)を用いて3D点群を再構成した。 我々は, 災害時領域における既存手法の限界を明らかにするために, 最先端の3次元セマンティックセグメンテーションモデル, 高速ポイントトランスフォーマー(FPT), ポイントトランスフォーマーv3(PTv3) およびOA-CNNを評価した。 これらの知見は、3Dセグメンテーション技術の急激な進歩の必要性と、災害後のシーン理解と応答を改善するための特別な3Dベンチマークデータセットの開発を浮き彫りにした。

関連論文リスト

• IEC3D-AD: A 3D Dataset of Industrial Equipment Components for Unsupervised Point Cloud Anomaly Detection [16.60482902001866]
  3D異常検出(3D-AD)は製造業、特に中核機器部品の信頼性と安全性を確保する上で重要な役割を担っている。 Real3D-ADやMVTec 3D-ADといった既存の3Dデータセットは、幅広いアプリケーションサポートを提供するが、実際の産業環境で見られる複雑さと微妙な欠陥を捉えるには不足している。 実産業シナリオに特化した点雲異常検出データセット(IEC3D-AD)を開発した。 このデータセットは、実際の生産ラインから直接収集され、高い忠実性と関連性を保証する。
  論文  参考訳（メタデータ） (2025-11-05T08:01:23Z)
• 3DAeroRelief: The first 3D Benchmark UAV Dataset for Post-Disaster Assessment [0.0]
  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。
  論文  参考訳（メタデータ） (2025-09-14T05:27:19Z)
• T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
  映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。 我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
  論文  参考訳（メタデータ） (2024-11-29T07:45:24Z)
• 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)
• 3D Adversarial Augmentations for Robust Out-of-Domain Predictions [115.74319739738571]
  ドメイン外データへの一般化の改善に注力する。 対象を逆向きに変形させるベクトルの集合を学習する。 本研究では,学習したサンプル非依存ベクトルをモデルトレーニング時に利用可能なオブジェクトに適用することにより,対数拡大を行う。
  論文  参考訳（メタデータ） (2023-08-29T17:58:55Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• 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)
• Improving Point Cloud Semantic Segmentation by Learning 3D Object Detection [102.62963605429508]
  ポイントクラウドセマンティックセグメンテーションは、自動運転において重要な役割を果たす。 現在の3Dセマンティックセグメンテーションネットワークは、よく表現されたクラスに対して優れた性能を発揮する畳み込みアーキテクチャに焦点を当てている。 Aware 3D Semantic Detection (DASS) フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-22T14:17:40Z)

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。