ConeQuest：火星锥体分割基准数据集
计算机视觉与模式识别
2023-11-16 v1 机器学习
摘要
多年来，空间科学家已从卫星和巡视器收集了数 TB 的火星数据。在火星轨道图像中识别出的一类重要特征是坑状锥体，其被解释为泥火山，被认为形成于曾经饱含水的区域（即湖泊或海洋）。在全球范围内识别火星坑状锥体具有重要意义，但专业地质学家无法梳理海量的轨道图像档案以找出所有实例。然而，该任务非常适合计算机视觉。尽管已存在多个面向各类火星相关任务的计算机视觉数据集，目前尚无用于锥体检测/分割的开源数据集。此外，以往研究使用单一区域的数据训练模型，限制了其在全球检测与制图中的适用性。受此驱动，我们推出 ConeQuest，首个用于识别火星锥体的专家标注公开数据集。ConeQuest 包含来自火星 3 个不同区域的超过 1.3 万个样本。我们基于 ConeQuest 提出两项基准任务：(i) 空间泛化与 (ii) 锥体尺寸泛化。我们在两项基准任务上对广泛使用的分割模型进行微调与评估。结果表明，锥体分割是一个现有分割模型尚未解决的开放性难题，其在任务 (i) 和 (ii) 的分布内数据上分别仅取得 52.52% 和 42.55% 的平均 IoU。我们相信这一新基准数据集将促进更精确、更鲁棒的锥体分割模型的发展。数据与代码见 https://github.com/kerner-lab/ConeQuest。
引用
@article{arxiv.2311.08657,
title = {ConeQuest: A Benchmark for Cone Segmentation on Mars},
author = {Mirali Purohit and Jacob Adler and Hannah Kerner},
journal= {arXiv preprint arXiv:2311.08657},
year = {2023}
}
备注
Accepted at WACV 2024