論文の概要: The Spectrascapes Dataset: Street-view imagery beyond the visible captured using a mobile platform

• arxiv url: http://arxiv.org/abs/2604.13315v2
• Date: Thu, 16 Apr 2026 12:49:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 16:09:14.192171
• Title: The Spectrascapes Dataset: Street-view imagery beyond the visible captured using a mobile platform
• Title（参考訳）: The Spectrascapes Dataset: モバイルプラットフォームを用いた可視画像以上のストリートビュー画像
• Authors: Akshit Gupta, Joris Timmermans, Filip Biljecki, Remko Uijlenhoet,
• Abstract要約: このデータセットは、自転車に搭載されたRGB、赤外線、サーマルイメージングセンサーで撮影された17,718個のストリートレベルのマルチスペクトル画像で構成されている。 私たちの知る限りでは、Spectrascapesはこの種のオープンアクセスデータセットとしては初めてのものです。
• 参考スコア（独自算出の注目度）: 0.89663346270118
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: High-resolution data in spatial and temporal contexts is imperative for developing climate resilient cities. Current datasets for monitoring urban parameters are developed primarily using manual inspections, embedded-sensing, remote sensing, or standard street-view imagery (RGB). These methods and datasets are often constrained respectively by poor scalability, inconsistent spatio-temporal resolutions, overhead views or low spectral information. We present a novel method and its open implementation: a multi-spectral terrestrial-view dataset that circumvents these limitations. This dataset consists of 17,718 street level multi-spectral images captured with RGB, Near-infrared, and Thermal imaging sensors on bikes, across diverse urban morphologies (village, town, small city, and big urban area) in the Netherlands. Strict emphasis is put on data calibration and quality while also providing the details of our data collection methodology (including the hardware and software details). To the best of our knowledge, Spectrascapes is the first open-access dataset of its kind. Finally, we demonstrate two downstream use-cases enabled using this dataset and provide potential research directions in the machine learning, urban planning and remote sensing domains.
• Abstract（参考訳）: 空間的・時間的文脈における高解像度データは、耐気候性のある都市の開発に不可欠である。 都市パラメータを監視するための現在のデータセットは、主に手動検査、埋め込みセンシング、リモートセンシング、標準ストリートビューイメージ(RGB)を用いて開発されている。 これらの手法とデータセットは、それぞれ低スケーラビリティ、一貫性のない時空間分解、オーバーヘッドビュー、低スペクトル情報によって制約されることが多い。 本稿では,これらの制約を回避するための新しい手法とそのオープン実装について述べる。 このデータセットは、オランダの様々な都市形態(村、町、小都市、大都市)にわたって、RGB、近赤外線、サーマルイメージングセンサーで撮影された17,718のストリートレベルのマルチスペクトル画像で構成されている。 データキャリブレーションと品質に重点を置いている一方で、データ収集方法論の詳細(ハードウェアやソフトウェアの詳細を含む)も提供しています。 私たちの知る限りでは、Spectrascapesはこの種のオープンアクセスデータセットとしては初めてのものです。 最後に、このデータセットを使用して、下流の2つのユースケースを実証し、機械学習、都市計画、リモートセンシングドメインにおける潜在的研究方向を提供する。

関連論文リスト

• A Multi-Year Urban Streetlight Imagery Dataset for Visual Monitoring and Spatio-Temporal Drift Detection [3.1073458974207124]
  英国ブリストルで2021年から2025年にかけて22台の固定角カメラで撮影された都市街灯の大規模で縦方向の視覚的データセットを提示する。 データセットには526,000枚以上の画像が含まれており、様々な照明、天気、季節条件の下で1時間に収集されている。 この実世界のデータセットは、スマートシティデプロイメントにおける視覚的ドリフト、異常検出、MLOps戦略の詳細な調査を可能にする。
  論文  参考訳（メタデータ） (2025-12-13T06:28:54Z)
• Deep Depth Estimation from Thermal Image: Dataset, Benchmark, and Challenges [5.946838062187346]
  この原稿は、ステレオRGB、ステレオNIR、ステレオサーマル、ステレオLiDARデータ、半密度深度基底真理からなる大規模なマルチスペクトルステレオ(MS$2$)データセットを提供する。 MS$2$データセットには、さまざまな場所でキャプチャされた162Kの同期マルチモーダルデータペアが含まれている。
  論文  参考訳（メタデータ） (2025-03-28T00:46:55Z)
• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• Low-cost Robust Night-time Aerial Material Segmentation through Hyperspectral Data and Sparse Spatio-Temporal Learning [3.0077933778535706]
  特殊なカメラからのハイパースペクトルデータは、RGB画像に加えて非常に有用である。 このようなデータを学習ベースのセグメンテーションフレームワークに組み込むのは難しい。 本稿では,時間系列に基づく圧縮を用いて,スペクトルデータをセグメント化タスクに効果的かつ精査的に統合する,革新的なSiameseフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-19T20:48:41Z)
• Descriptor: Face Detection Dataset for Programmable Threshold-Based Sparse-Vision [0.8271394038014485]
  このデータセットは、Aff-Wild2で使用されるのと同じビデオから派生した顔検出タスクのための注釈付き、時間閾値ベースの視覚データセットである。 我々は,このリソースが時間差閾値に基づいて処理できるスマートセンサに基づく堅牢な視覚システムの開発を支援することを期待する。
  論文  参考訳（メタデータ） (2024-10-01T03:42:03Z)
• LiDARCap: Long-range Marker-less 3D Human Motion Capture with LiDAR Point Clouds [58.402752909624716]
  既存のモーションキャプチャデータセットはほとんどが短距離であり、まだ長距離アプリケーションのニーズに合わない。 我々は,この制限を克服するために,LiDARがより長い範囲で捉えた新しい人間のモーションキャプチャーデータセットLiDARHuman26Mを提案する。 我々のデータセットには、IMUシステムによって取得された人間の動きと同期RGB画像も含まれている。
  論文  参考訳（メタデータ） (2022-03-28T12:52:45Z)
• Multi-sensor large-scale dataset for multi-view 3D reconstruction [63.59401680137808]
  マルチビュー3次元表面再構成のための新しいマルチセンサデータセットを提案する。 スマートフォン、Intel RealSense、Microsoft Kinect、産業用カメラ、構造化光スキャナーなどだ。 14の照明条件下で100方向から取得した107の異なるシーンの約1.4万枚の画像を提供する。
  論文  参考訳（メタデータ） (2022-03-11T17:32:27Z)
• 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)
• Urban Radiance Fields [77.43604458481637]
  本研究では,都市屋外環境における世界地図作成によく利用されるスキャニングプラットフォームによって収集されたデータから3次元再構成と新しいビュー合成を行う。 提案手法は、制御された環境下での小さなシーンのための現実的な新しい画像の合成を実証したニューラルラジアンス場を拡張している。 これら3つのエクステンションはそれぞれ、ストリートビューデータの実験において、大幅なパフォーマンス改善を提供する。
  論文  参考訳（メタデータ） (2021-11-29T15:58:16Z)
• CrowdDriven: A New Challenging Dataset for Outdoor Visual Localization [44.97567243883994]
  クラウドソースデータを用いた屋外シーンにおける視覚的位置推定のための新しいベンチマークを提案する。 私たちのデータセットは非常に困難で、評価されたすべてのメソッドが最も難しい部分で失敗していることが示されています。 データセットリリースの一部として、私たちはそれを生成するために使用されるツールを提供し、効率的で効果的な2D対応アノテーションを可能にします。
  論文  参考訳（メタデータ） (2021-09-09T19:25:48Z)
• Lighting the Darkness in the Deep Learning Era [118.35081853500411]
  低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。 この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。 アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
  論文  参考訳（メタデータ） (2021-04-21T19:12:19Z)

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。