面向灾后评估的三维语义分割
计算机视觉与模式识别
2026-01-01 v1 机器学习
摘要
自然灾害日益频发，对人类生命构成严重威胁，并导致巨大的经济损失。虽然三维语义分割对灾后评估至关重要，但现有的深度学习模型缺乏专门为灾后环境设计的数据集。为弥补这一差距，我们利用无人机（UAV）在飓风伊恩（2022年）受灾区域上空拍摄的航拍影像，采用运动恢复结构（SfM）和多视图立体（MVS）技术重建三维点云，构建了一个专门的三维数据集。我们在此数据集上评估了最先进（SOTA）的三维语义分割模型——快速点变换器（FPT）、点变换器v3（PTv3）和OA-CNNs，揭示了现有方法在受灾区域的显著局限性。这些发现强调了推进三维分割技术和开发专门的三维基准数据集的迫切需要，以改善灾后场景理解和响应。
引用
@article{arxiv.2512.24593,
title = {3D Semantic Segmentation for Post-Disaster Assessment},
author = {Nhut Le and Maryam Rahnemoonfar},
journal= {arXiv preprint arXiv:2512.24593},
year = {2026}
}
备注
Accepted by the 2025 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2025)