SSCBench：面向自动驾驶的大规模三维语义场景补全基准
计算机视觉与模式识别
2024-10-01 v3
摘要
单目场景理解是自主系统的基础组成部分。在单目感知课题中，一项对整体三维场景理解至关重要且有用的任务是语义场景补全（SSC），它从 RGB 输入中联合补全语义信息与几何细节。然而，SSC 尤其是大规模街景中的进展受限于高质量数据集的匮乏。为解决此问题，我们推出了 SSCBench，一个整合了广泛使用自动驾驶数据集（如 KITTI-360、nuScenes 和 Waymo）场景的综合基准。SSCBench 遵循社区既有的设置与格式，便于在各种街景中轻松探索 SSC 方法。我们使用单目、三目和点云输入对模型进行基准测试，以评估由传感器覆盖与模态导致的性能差距。此外，我们统一了不同数据集间的语义标签，以简化跨域泛化测试。我们致力于纳入更多数据集与 SSC 模型，以推动该领域的进一步发展。
引用
@article{arxiv.2306.09001,
title = {SSCBench: A Large-Scale 3D Semantic Scene Completion Benchmark for Autonomous Driving},
author = {Yiming Li and Sihang Li and Xinhao Liu and Moonjun Gong and Kenan Li and Nuo Chen and Zijun Wang and Zhiheng Li and Tao Jiang and Fisher Yu and Yue Wang and Hang Zhao and Zhiding Yu and Chen Feng},
journal= {arXiv preprint arXiv:2306.09001},
year = {2024}
}
备注
IROS 2024