SUM：一个语义化城市网格基准数据集

数据采集技术的最新发展使我们能够快速收集 3D 纹理网格。这些有助于我们理解并分析城市环境，因而对空间分析和城市规划等若干应用很有用。通过深度学习方法对纹理网格进行语义分割可以增强这种理解，但这需要大量标注数据。本工作的贡献有三方面：（1）一个新的语义化城市网格基准数据集，（2）一种新颖的半自动标注框架，以及（3）一个用于 3D 网格的标注工具。特别地，我们的数据集覆盖芬兰赫尔辛基约 4 km2 区域，包含六个类别，我们估计使用我们的标注框架（包括初始分割和交互式精化）可节省约 600 小时标注工作。我们还在新基准数据集上比较了几种最先进的 3D 语义分割方法的性能。其他研究者可使用我们的结果训练其网络：该数据集公开可用，且标注工具以开源形式发布。