論文の概要: iVISION-2DCD: A Long-Term Change Detection Dataset for Large-Scale Outdoor Construction Monitoring
- arxiv url: http://arxiv.org/abs/2607.03553v1
- Date: Fri, 03 Jul 2026 18:29:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.647774
- Title: iVISION-2DCD: A Long-Term Change Detection Dataset for Large-Scale Outdoor Construction Monitoring
- Title（参考訳）: iVISION-2DCD:大規模屋外建設監視のための長期変化検出データセット
- Abstract要約: 我々は,高密度LiDAR点雲からの大規模合成データセットiVISION-2DCDを提案する。
本データセットは,建設現場における2DCDの問題点を正式に定義する。
最先端の2DCDアルゴリズムを用いたベンチマーク評価は、iVISION-2DCDが新しい研究課題をもたらすことを示す。
- 参考スコア（独自算出の注目度）: 50.60358463714119
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automation in construction is essential for reducing costs and human errors in large-scale projects. We approach the construction progress monitoring from the aspect of detecting changes in construction sites. As construction buildings continue to evolve in geometry and appearance over time, change detection need to be performed from arbitrary camera viewpoints. This necessitates developing 2D Change Detection (2DCD) algorithms that operate robustly across diverse camera perspectives at construction sites. While developing and evaluating such systems is data-intensive, no open-source benchmark dataset exists at the intersection of 2D change detection and construction automation research. Data collection using Unmanned Aerial Vehicles (UAVs) is gaining its popularity in outdoor large-scale surveying. However, in active construction sites conducting drone missions equipped with high-end sensors imposes safety concerns. Flight trajectory and collected camera viewpoints can be significantly limited. To address this critical gap, we introduce iVISION-2DCD, a large-scale synthetically generated dataset from dense LiDAR point clouds with photorealistic input images and accurate ground truth annotations. Our dataset formally defines the problem of viewpoint-robust 2DCD at construction sites and captures the inherent complexities of real-world deployment. In this paper, we present our systematic methodology for synthetic data generation, developing novel view synthesis techniques to overcome bi-temporal alignment and viewpoint diversity challenges, and implementing semi-automated semantic segmentation with change label generation while preserving challenging real-world cases. Benchmark evaluations using state-of-the-art 2DCD algorithms demonstrate that iVISION-2DCD poses novel research challenges for the computer vision and robotics communities.
- Abstract（参考訳）: 建設における自動化は、大規模プロジェクトにおけるコストとヒューマンエラーの削減に不可欠である。
建設現場の変化を検知する点から, 工事進捗モニタリングにアプローチする。
建物の構造や外観が時間とともに進化し続けるにつれて、任意のカメラ視点から変化検出を行う必要がある。
これは、建設現場で様々なカメラの視点で堅牢に動作する2次元変化検出(2DCD)アルゴリズムを開発する必要がある。
このようなシステムの開発と評価はデータ集約的だが、オープンソースのベンチマークデータセットは2次元変化検出と建設自動化研究の交差点には存在しない。
無人航空機(UAV)を用いたデータ収集は、屋外の大規模サーベイで人気を集めている。
しかし、ハイエンドセンサーを装備したドローンのミッションを行うアクティブな建設現場では、安全上の懸念が強い。
飛行軌跡と収集カメラの視点は著しく制限される。
iVISION-2DCDは,高密度のLiDAR点群から生成した大規模合成データセットで,光写実的入力画像と正確な基底真理アノテーションを備える。
本データセットは,建設現場における2DCDの問題点を正式に定義し,実世界の展開の複雑さを捉える。
本稿では,両時間的アライメントと視点の多様性を克服する新しいビュー合成手法を開発し,実世界の課題を保存しつつ,変更ラベル生成による半自動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クスを実装した。
最先端の2DCDアルゴリズムを用いたベンチマーク評価は、iVISION-2DCDがコンピュータビジョンとロボティクスのコミュニティに新しい研究課題をもたらすことを示した。
関連論文リスト
- Automated In-the-Wild Data Collection for Continual AI Generated Image Detection [14.171896272558142]
進化する環境における検出器を更新するためのデータ中心型連続適応フレームワークを提案する。
そこで本研究では,検出器の適応には,電線内データとジェネレータ駆動データの両方が不可欠であることを示す。
2つの最先端検出器の実験では、平均精度は+9.14%と+8%で大幅に改善された。
論文 参考訳（メタデータ） (2026-05-04T13:19:18Z) - From Concept to Capability: Evaluating 3D Gaussian Splatting for Synthetic Scene Editing in Autonomous Driving [12.144026818846257]
3D Gaussian Splatting (3DGS)は、カメラとLiDARセンサーが収集したデータに基づいてシーンの再構築と編集を行う有望な能力を示している。
本稿では,安全関連シーンの再構築に使用する3DGSの機能と限界を体系的に解析するフレームワークを提案し,実装する。
論文 参考訳（メタデータ） (2026-05-03T17:54:34Z) - A 3D Reconstruction Benchmark for Asset Inspection [39.16724739487446]
地上の真理深度マップ,カメラポーズ,および3つの合成シーンのメッシュモデルを用いた新しいデータセットを提案する。
本研究では,このデータセット上での最先端の再構築手法について検討する。
論文 参考訳（メタデータ） (2026-03-18T04:42:14Z) - TransBridge: Boost 3D Object Detection by Scene-Level Completion with Transformer Decoder [66.22997415145467]
本稿では,スパース領域における検出機能を改善する共同補完・検出フレームワークを提案する。
具体的には,トランスブリッジ(TransBridge)を提案する。トランスブリッジ(TransBridge)はトランスフォーマーをベースとした新しいアップサンプリングブロックである。
その結果,本フレームワークは,各手法の平均精度(mAP)が0.7から1.5の範囲で,エンドツーエンドの3Dオブジェクト検出を一貫して改善していることがわかった。
論文 参考訳（メタデータ） (2025-12-12T00:08:03Z) - Towards Scalable Spatial Intelligence via 2D-to-3D Data Lifting [64.64738535860351]
単一ビュー画像を包括的・スケール的・外観リアルな3D表現に変換するスケーラブルなパイプラインを提案する。
本手法は,画像の膨大な保存と空間的シーン理解への需要の増大とのギャップを埋めるものである。
画像から精度の高い3Dデータを自動的に生成することにより,データ収集コストを大幅に削減し,空間知性を向上するための新たな道を開く。
論文 参考訳（メタデータ） (2025-07-24T14:53:26Z) - Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。
我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。
公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
論文 参考訳（メタデータ） (2024-12-22T03:25:43Z) - Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。
設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
論文 参考訳（メタデータ） (2024-02-28T18:59:31Z) - AVOIDDS: Aircraft Vision-based Intruder Detection Dataset and Simulator [37.579437595742995]
AVOIDDSは、視覚に基づく航空機の検知・回避問題に対する現実的な物体検出ベンチマークである。
各種照明条件を有する侵入機の光実写画像72,000枚からなるラベル付きデータセットを提供する。
また、このデータセットのスライス上でトレーニングされたモデルを評価し、環境条件の変化に対する性能の変化を特定するインタフェースも提供する。
論文 参考訳（メタデータ） (2023-06-19T23:58:07Z) - Long-term Visual Localization with Mobile Sensors [30.839849072256435]
そこで本稿では,GPS,コンパス,重力センサなどの携帯端末にセンサを追加することで,この課題を解決することを提案する。
また,最初のポーズで直接2D-3Dマッチングネットワークを考案し,効率的に2D-3D対応を確立できる。
提案手法といくつかの最先端ベースラインをベンチマークし,提案手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-04-16T04:35:10Z) - Aerial Monocular 3D Object Detection [67.20369963664314]
DVDETは2次元画像空間と3次元物理空間の両方で空中単分子3次元物体検出を実現するために提案される。
高度視差変形問題に対処するため,新しい測地変形変換モジュールを提案する。
より多くの研究者がこの領域を調査するよう促すため、データセットと関連するコードをリリースします。
論文 参考訳（メタデータ） (2022-08-08T08:32:56Z) - Towards Model Generalization for Monocular 3D Object Detection [57.25828870799331]
我々は,Mono3Dオブジェクト検出に有効な統合カメラ一般化パラダイム(CGP)を提案する。
また,インスタンスレベルの拡張によりギャップを埋める2D-3D幾何一貫性オブジェクトスケーリング戦略(GCOS)を提案する。
DGMono3Dと呼ばれる手法は、評価された全てのデータセットに対して顕著な性能を達成し、SoTAの教師なしドメイン適応スキームを上回ります。
論文 参考訳（メタデータ） (2022-05-23T23:05:07Z)
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。