通过多数据集协同监督学习预标记壳体 construction 场景点云中的结构组件
计算机视觉与模式识别
2025-02-21 v1
摘要
为新训练数据集注释所需的显著工作量阻碍了计算机视觉和机器学习在建筑行业的应用。本文探索了适用于壳体 construction 场景点云结构组件语义分割的标准数据集和最新变换模型架构。不同于常用方法关注建筑室内和家具的对象分割，本研究针对建筑、工程和建造 (AEC) 复杂结构组件的分割挑战展开工作。我们通过监督训练建立基线并构建自定义验证数据集，评估大规模室内数据集上的跨域推断，并利用迁移学习在最小新增数据的情况下最大化分割性能。研究结果表明，经过最小微调，预训练的变换模型架构为构建组件分割提供了有效策略。我们的成果对自动化标注新且之前未见的数据以创建更大的训练资源以及对频繁出现的对象的分割具有前景。
引用
@article{arxiv.2502.14721,
title = {Multi-dataset synergistic in supervised learning to pre-label structural components in point clouds from shell construction scenes},
author = {Lukas Rauch and Thomas Braml},
journal= {arXiv preprint arXiv:2502.14721},
year = {2025}
}
备注
18 pages, 8 figures, 7 tables