SyMTRS：面向航空遥感的深度、域适应与超分辨率的基准多任务合成数据集
计算机视觉与模式识别
2026-04-24 v1 人工智能
摘要
近期深度学习在遥感领域的进展高度依赖大规模标注数据集，但获取几何、辐射和多域任务的高质量真实标签仍昂贵且常不可行。特别是缺乏准确的深度标注、受控的照明变化以及多尺度配对影像，限制了航空场景下单目深度估计、域适应和超分辨率的进展。我们提出 SyMTRS，一个由高保真城市仿真管线生成的大规模合成数据集。该数据集提供高分辨率 RGB 航空影像（2048 x 2048）、像素级深度图、用于域适应的夜间版本，以及用于超分辨率（x2、x4、x8 倍尺度）的对齐低分辨率变体。与现有遥感数据集仅聚焦单一任务或模态不同，SyMTRS 旨在作为统一的多任务基准，实现几何理解、跨域鲁棒性和分辨率增强的联合研究。我们描述了数据集的生成过程、统计特性及其相对于现有基准的定位。SyMTRS 旨在通过实现受控实验（拥有完美几何真实标注和一致的多域监督）来弥补遥感研究中的关键缺口。本工作的结果可从 Github 仓库 https://github.com/safouaneelg/SyMTRS 复现。
引用
@article{arxiv.2604.21801,
title = {SyMTRS: Benchmark Multi-Task Synthetic Dataset for Depth, Domain Adaptation and Super-Resolution in Aerial Imagery},
author = {Safouane El Ghazouali and Nicola Venturi and Michael Rueegsegger and Umberto Michelucci},
journal= {arXiv preprint arXiv:2604.21801},
year = {2026}
}