Safe-Construct：将建筑安全违规识别重新定义为 3D 多视角互动任务
计算机视觉与模式识别
2025-09-23 v1 机器人学
摘要
识别建筑环境中的安全违规对于计算机视觉中仍属未充分探索的关键领域。现有模型主要依赖 2D 对象检测,无法捕捉现实世界违规的复杂性,其局限在于:(i) 将违规识别简化为仅作对象检测的任务表述;(ii) 在真实条件下的验证不足;(iii) 缺乏标准化基准;(iv) 由于缺乏针对多样化建筑情景的合成数据集生成器,其可扩展性有限。为此,我们提出 Safe-Construct,首个将违规识别重新表述为 3D 多视角互动任务的框架,利用场景级工人-对象上下文和 3D 空间理解。我们还提出了合成室内建筑场地生成器(SICSG),以克服数据限制。Safe-Construct 在四类违规类型上显著超越最先进方法 7.6%。我们严格评估了该方法在接近真实环境中的表现,包括四类违规、四名工人、14 种对象以及挑战性条件如遮挡(工人-对象、工人-工人)和可变照明(背光、过曝、阳光)。通过集成 3D 多视角空间理解和合成数据生成,Safe-Construct 为高风险行业可扩展且稳健的安全监控设定了新的基准。项目网站: https://Safe-Construct.github.io/Safe-Construct
引用
@article{arxiv.2504.10880,
title = {Safe-Construct: Redefining Construction Safety Violation Recognition as 3D Multi-View Engagement Task},
author = {Aviral Chharia and Tianyu Ren and Tomotake Furuhata and Kenji Shimada},
journal= {arXiv preprint arXiv:2504.10880},
year = {2025}
}
备注
CVPR Workshop 2025; Project Website: https://Safe-Construct.github.io/Safe-Construct