論文の概要: UnderOneFacade: Worldwide Facade Semantic Segmentation Benchmark Dataset
- arxiv url: http://arxiv.org/abs/2607.02018v1
- Date: Thu, 02 Jul 2026 10:50:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.795628
- Title: UnderOneFacade: Worldwide Facade Semantic Segmentation Benchmark Dataset
- Title（参考訳）: UnderOneFacade: 世界のファサードセマンティックセマンティックセマンティックセマンティックベンチマークデータセット
- Authors: Yi Wang, Fan Wang, Prabin Gyawali, Ziyang Xu, Anna Klimkowska, Yixiong Jing, Wanru Yang, Filip Biljecki, Christoph Holst, Benjamin Busam, Brian Sheil, Olaf Wysocki,
- Abstract要約: 我々はこれまでで最大のクロスカントリーおよびクロスコンチネントな3DファサードベンチマークであるUnderOneFacadeを紹介した。
現状の手法は, きめ細かいアーキテクチャ要素の認識に苦慮し, 地理的領域で著しく劣化していることを示す。
UnderOneFacadeは、堅牢で移動可能な3Dセグメンテーションモデルを開発するための厳密なベンチマークを確立する。
- 参考スコア（独自算出の注目度）: 19.044731989703468
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Globally consistent semantic digital twins require centimeter-accurate and geographically transferable 3D facade segmentation. However, progress in facade parsing is limited by the lack of large-scale, standardized benchmarks for evaluating cross-domain generalization. Existing datasets are geographically narrow, semantically inconsistent, or insufficiently precise. We introduce UnderOneFacade, the largest cross-country and cross-continent 3D facade benchmark to date, comprising centimeter-accurate point clouds with hierarchical, harmonized, and architecturally grounded semantic labels totaling 2.7 billion annotated points. Through a systematic evaluation of representative point-, graph- and transformer-based architectures, we show that current methods struggle to recognize fine-grained architectural elements and degrade significantly across geographic domains, with the best models achieving only up to 33 IoU on the fine-grained LoFG3 benchmark. By combining geometric precision with standardized semantics at unprecedented scale, UnderOneFacade establishes a rigorous benchmark for developing robust and transferable 3D segmentation models. The dataset, evaluation scripts, and pretrained models will be released upon publication.
- Abstract（参考訳）: グローバルに一貫したデジタル双生児は、センチメートル精度と地理的に移動可能な3次元ファサードセグメンテーションを必要とする。
しかし、ファサード解析の進歩は、クロスドメインの一般化を評価するための大規模で標準化されたベンチマークの欠如によって制限されている。
既存のデータセットは地理的に狭く、意味的に一貫性がなく、あるいは不十分に正確である。
現在までに最大のクロスカントリーおよびクロスコンチネントな3DファサードベンチマークであるUnderOneFacadeを紹介します。
代表点, グラフ, 変圧器をベースとしたアーキテクチャの体系的評価により, 現在の手法では, きめ細かいアーキテクチャ要素の認識に苦慮し, 地理的領域で著しく劣化し, 最高のモデルでは, きめ細かいLoFG3ベンチマークで最大33 IoUしか達成できないことを示す。
前例のない規模で幾何学的精度と標準化セマンティクスを組み合わせることで、UnderOneFacadeは堅牢で移動可能な3Dセグメンテーションモデルを開発するための厳密なベンチマークを確立する。
データセット、評価スクリプト、事前トレーニングされたモデルは、公開時にリリースされる。
関連論文リスト
- TowerDataset: A Heterogeneous Benchmark for Transmission Corridor Segmentation with a Global-Local Fusion Framework [46.45117150541737]
TowerDatasetは伝送補正セグメンテーションのための異種ベンチマークである。
長い回廊の幅を保ち、きめ細かい22クラスの分類を定義し、標準化された分割と評価プロトコルを提供している。
さらに,全シーン情報と局部情報情報を保存・融合するグローバル・ローカル・フュージョン・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-18T05:40:57Z) - An Instance-Centric Panoptic Occupancy Prediction Benchmark for Autonomous Driving [25.37985701473846]
本稿では,3次元パノプティカル占有予測タスクのインスタンス中心ベンチマークを提案する。
具体的には、自律運転に適した最初の統合3DメッシュライブラリであるADMeshを紹介する。
大規模で物理的に一貫した汎光学占有データセットであるCarlaOccを構築した。
論文 参考訳（メタデータ） (2026-03-28T11:22:31Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - Point-MoE: Towards Cross-Domain Generalization in 3D Semantic Segmentation via Mixture-of-Experts [7.787211625411271]
我々は,3次元知覚におけるクロスドメインの一般化を実現するために,Mixture-of-ExpertsアーキテクチャであるPoint-MoEを提案する。
標準的なポイントクラウドバックボーンは、混合ドメインデータでトレーニングされた場合、パフォーマンスが大幅に低下する。
シンプルなトップkルーティング戦略のPoint-MoEは、ドメインラベルにアクセスしなくても、専門家を自動的に専門化することができる。
論文 参考訳（メタデータ） (2025-05-29T18:21:47Z) - BFANet: Revisiting 3D Semantic Segmentation with Boundary Feature Analysis [33.53327976669034]
より粒度の細かいレンズを通して3Dセマンティックセマンティックセグメンテーションを再考し、より広範なパフォーマンス指標によって隠蔽される微妙な複雑さに光を当てます。
本稿では,BFANetと呼ばれる3次元セマンティックセマンティック・セマンティック・ネットワークを導入し,セマンティック・バウンダリの特徴を詳細に分析する。
論文 参考訳（メタデータ） (2025-03-16T15:13:11Z) - Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。
そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。
PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
論文 参考訳（メタデータ） (2024-07-26T06:29:09Z) - WildScenes: A Benchmark for 2D and 3D Semantic Segmentation in Large-scale Natural Environments [33.25040383298019]
$WildScenes$は、高解像度の2Dイメージと高密度の3D LiDARポイントクラウドで構成されるバイモーダルベンチマークデータセットである。
データは軌道中心であり、正確なローカライゼーションとグローバルに整列した点雲がある。
我々の3Dセマンティックラベルは、人間の注釈付き2Dラベルを複数のビューから3Dポイントクラウドシーケンスに転送する効率的で自動化されたプロセスによって得られる。
論文 参考訳（メタデータ） (2023-12-23T22:27:40Z) - Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。
マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。
提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
論文 参考訳（メタデータ） (2023-09-26T08:03:10Z) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文 参考訳（メタデータ） (2023-02-16T13:41:19Z)
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。