論文の概要: Rohbau3D-Semantics: Dense Semantic and Instance Labels for Point Clouds of Indoor Shell Construction Scenes

• arxiv url: http://arxiv.org/abs/2611.06180v1
• Date: Wed, 04 Nov 2026 08:59:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.034733
• Title: Rohbau3D-Semantics: Dense Semantic and Instance Labels for Point Clouds of Indoor Shell Construction Scenes
• Title（参考訳）: Rohbau3D-Semantics:Dense Semantic and Instance Labels for Point Clouds of Indoor Shell Construction Scenes
• Abstract要約: Rohbau3D-Semanticsデータセットは、シェル構築サイトのレーザースキャンに密度の高いセマンティックスとインスタンスレベルのラベルを追加する。 このデータは、非均一サンプリング、測定アーティファクト、反射、微妙な幾何学的詳細を含む、実際のレーザー走査の特性を保存している。 このデータセットは、構築環境における3Dシーン理解、建設現場分析、マルチモーダルシーン分析の研究を支援することを目的としている。
• 参考スコア（独自算出の注目度）: 1.8946172641525898
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the Rohbau3D-Semantics dataset, which adds dense semantic and instance-level labels to laser scans of the previously released Rohbau3D domain data from shell construction sites. The dataset comprises 504 point cloud scenes from 14 survey sites, each captured with a terrestrial laser scanner and stored in a scanner-centered local coordinate system. Unlike point clouds sampled from reconstructed meshes or synthetic building models, the data preserve the characteristic properties of real laser scanning, including non-uniform sampling, measurement artifacts, reflections, and fine geometric detail. Combined with manual labels, expert oversight during pointwise annotation, and full-scene review, this yields a high-quality benchmark for semantic scene understanding in complex built environments. The dataset includes 17 class labels of building components and one background class, along with instance annotations for object-level analysis. In addition to the 3D point clouds, the release also provides scripts for deriving geometrically aligned panoramic and cube-map representations of color, LiDAR reflection intensity, depth, surface normals, semantic labels, and instance labels from the 3D arrays. We describe the acquisition pipeline, annotation protocol, quality-control process, and panorama-generation procedure, and provide benchmark splits and baseline experiments for semantic segmentation. By combining precise terrestrial laser scans, dense annotations, and a wide variety of shell-construction scenes, Rohbau3D-Semantics bridges the gap among synthetic indoor datasets, mesh-derived benchmarks, and smaller construction-specific resources. The dataset is intended to support research on 3D scene understanding, construction-site analytics, and multimodal scene analysis in the built environment. Access and download the full dataset via https://github.com/RauchLukas/rohbau3d
• Abstract（参考訳）: このデータセットは、シェル構築現場からリリースされたRohbau3Dドメインデータのレーザースキャンに、密度の高いセマンティックスとインスタンスレベルのラベルを追加します。 データセットは、14のサーベイサイトから504点のクラウドシーンで構成され、それぞれが地上レーザースキャナーでキャプチャされ、スキャナ中心のローカル座標系に格納される。 再構成メッシュや合成ビルディングモデルから採取された点雲とは異なり、データは非均一サンプリング、測定アーティファクト、反射、微妙な幾何学的詳細を含む、実際のレーザー走査の特性を保存している。 手動ラベル、ポイントワイドアノテーションのエキスパート監視、フルシーンレビューと組み合わせることで、複雑な構築環境におけるセマンティックシーン理解のための高品質なベンチマークが得られる。 データセットには17のクラスラベルと1つのバックグラウンドクラスと、オブジェクトレベルの分析のためのインスタンスアノテーションが含まれている。 3Dポイントクラウドに加えて、カラー、LiDAR反射強度、深さ、表面正規化、セマンティックラベル、および3D配列からのインスタンスラベルの幾何学的に整列されたパノラマおよび立方体マップ表現を導出するためのスクリプトも提供する。 本稿では,獲得パイプライン,アノテーションプロトコル,品質制御プロセス,パノラマ生成手順について説明し,セマンティックセグメンテーションのためのベンチマーク分割とベースライン実験を提供する。 正確な地上レーザースキャン、高密度アノテーション、および様々なシェル構築シーンを組み合わせることで、Rohbau3D-Semanticsは、合成屋内データセット、メッシュ由来のベンチマーク、より小さな建設固有のリソースのギャップを埋める。 このデータセットは、構築環境における3Dシーン理解、建設現場分析、マルチモーダルシーン分析の研究を支援することを目的としている。 https://github.com/RauchLukas/rohbau3d

関連論文リスト

• Hierarchical Object Representation for Spatial Robot Perception: Points, Meshes, and Superquadrics [7.735876865294663]
  階層型3Dシーングラフ(3DSG)は、長期的な自律性のためのアクション可能でスケーラブルな表現として登場した。 高忠実度オブジェクトレベルの再構成に利用できる階層的オブジェクト表現を導入する。 提案手法は,現在最先端のオブジェクトベースのマップアライメント手法 ROMAN よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-06-01T01:45:47Z)
• 3D Part Segmentation via Geometric Aggregation of 2D Visual Features [57.20161517451834]
  監督された3D部分分割モデルは、固定されたオブジェクトと部品のセットに合わせて調整されており、それらの転送可能性は、オープンセットの現実世界のシナリオに制限される。 近年、視覚言語モデル(VLM)を多視点レンダリングとテキストプロンプトを用いてオブジェクト部品の識別に活用する研究が進められている。 これらの制約に対処するために,視覚概念から抽出した意味論と3次元幾何学をブレンドし,対象部品を効果的に同定するCOPSを提案する。
  論文  参考訳（メタデータ） (2024-12-05T15:27:58Z)
• Articulate3D: Holistic Understanding of 3D Scenes as Universal Scene Description [56.69740649781989]
  3Dシーン理解は、コンピュータビジョンにおける長年の課題であり、混合現実、ウェアラブルコンピューティング、そして具体化されたAIを実現する上で重要な要素である。 室内280のシーンに高品質な手動アノテーションを付加した専門的な3DデータセットであるArticulate3Dを紹介する。 我々はまた,部分分割を同時に予測できる新しい統一フレームワークUSDNetと,オブジェクトの動作属性の完全な仕様を提示する。
  論文  参考訳（メタデータ） (2024-12-02T11:33:55Z)
• BelHouse3D: A Benchmark Dataset for Assessing Occlusion Robustness in 3D Point Cloud Semantic Segmentation [2.446672595462589]
  本稿では,3次元屋内シーンセマンティックセマンティックセグメンテーション用に設計された,新たな合成点クラウドデータセットであるBelHouse3Dデータセットを紹介する。 このデータセットは、ベルギーの32軒の家の実世界の参照を使って構築されており、合成データが実世界の状況と密接に一致していることを保証する。
  論文  参考訳（メタデータ） (2024-11-20T12:09:43Z)
• Towards Localizing Structural Elements: Merging Geometrical Detection with Semantic Verification in RGB-D Data [0.0]
  本稿では, 壁面や地表面などの構造成分を局所化するための実時間パイプラインについて, 純三次元平面検出のための幾何計算を統合した。 並列なマルチスレッドアーキテクチャを持ち、環境中で検出されたすべての平面のポーズと方程式を正確に推定し、汎視的セグメンテーション検証を用いて地図構造を形成するものをフィルタリングし、検証された構成部品のみを保持する。 また、検出されたコンポーネントを統一された3次元シーングラフに(再)関連付けることで、幾何学的精度と意味的理解のギャップを埋めることもできる。
  論文  参考訳（メタデータ） (2024-09-10T16:28:09Z)
• MMScan: A Multi-Modal 3D Scene Dataset with Hierarchical Grounded Language Annotations [55.022519020409405]
  本稿では,マルチモーダルな3Dシーンデータセットと階層型言語アノテーションを用いたベンチマーク,MMScanを構築した。 結果として得られたマルチモーダルな3Dデータセットは、109kオブジェクトと7.7kリージョン上の1.4Mメタアノテーション付きキャプションと、3Dビジュアルグラウンドと質問応答ベンチマークのための3.04M以上の多様なサンプルを含んでいる。
  論文  参考訳（メタデータ） (2024-06-13T17:59:30Z)
• Object-level 3D Semantic Mapping using a Network of Smart Edge Sensors [25.393382192511716]
  我々は,分散エッジセンサのネットワークとオブジェクトレベルの情報からなる多視点3次元意味マッピングシステムを拡張した。 提案手法は,数cm以内でのポーズ推定と,実験室環境におけるセンサネットワークを用いた実環境実験により,Behaveデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2022-11-21T11:13:08Z)
• CMR3D: Contextualized Multi-Stage Refinement for 3D Object Detection [57.44434974289945]
  本稿では,3次元オブジェクト検出(CMR3D)フレームワークのためのコンテキスト型マルチステージリファインメントを提案する。 我々のフレームワークは3Dシーンを入力として取り、シーンの有用なコンテキスト情報を明示的に統合しようと試みている。 3Dオブジェクトの検出に加えて,3Dオブジェクトカウント問題に対するフレームワークの有効性について検討する。
  論文  参考訳（メタデータ） (2022-09-13T05:26:09Z)
• H3D: Benchmark on Semantic Segmentation of High-Resolution 3D Point Clouds and textured Meshes from UAV LiDAR and Multi-View-Stereo [4.263987603222371]
  本稿では,3つの方法でユニークな3次元データセットを提案する。 ヘシグハイム(ドイツ語: Hessigheim, H3D)は、ドイツの都市。 片手で3次元データ分析の分野での研究を促進するとともに、新しいアプローチの評価とランク付けを目的としている。
  論文  参考訳（メタデータ） (2021-02-10T09:33:48Z)

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。