Campus3D：面向室外场景层次化理解的光摄影测量点云基准
计算机视觉与模式识别
2020-08-13 v1 机器学习
图像与视频处理
摘要
基于三维场景点云的学习因其在诸多领域中的广阔应用前景而受到广泛关注，良好标注且多源的数据集能够推动这些数据驱动方法的发展。为促进该领域的研究，我们提出了一个富含标注的三维点云数据集，用于多种室外场景理解任务，并给出了一种针对其层次化分割任务的有效学习框架。该数据集通过对新加坡国立大学（NUS）校园的无人机（UAV）影像进行摄影测量处理生成，并已逐点标注了层次化与基于实例的标签。基于此，我们构建了三维点云分割的层次化学习问题，并提出了一种评估各层次间一致性的度量。为解决该问题，我们提出了一种包含多任务（MT）学习与考虑一致性的层次集成（HE）的两阶段方法。实验结果表明了所提方法的优越性以及我们层次化标注的潜在优势。此外，我们给出了语义与实例分割的基准结果，数据集与所有源代码可通过 https://3d.dataset.site 在线获取。
引用
@article{arxiv.2008.04968,
title = {Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical Understanding of Outdoor Scene},
author = {Xinke Li and Chongshou Li and Zekun Tong and Andrew Lim and Junsong Yuan and Yuwei Wu and Jing Tang and Raymond Huang},
journal= {arXiv preprint arXiv:2008.04968},
year = {2020}
}
备注
Accepted by the 28th ACM International Conference on Multimedia (ACM MM 2020)