面向建筑中几何深度学习的合成三维数据生成流水线
计算机视觉与模式识别
2021-07-08 v1
摘要
随着建筑领域对深度学习算法与计算设计的兴趣日益增长，对大规模、可获取且多样的建筑数据集的需求也在增加。我们决定通过构建一个特定领域的合成数据生成流水线来解决此问题，该流水线可生成任意量的三维数据及相关的二维与三维标注。多样的标注类型、自定义所生成建筑与数据集参数的灵活性，使该框架适用于多项深度学习任务，包括需要直接三维监督的几何深度学习方法。在创建建筑数据生成流水线时，我们借助了来自专家的建筑知识，以构建一个模块化、可扩展并能提供足量类别平衡数据样本的框架。此外，我们有意让研究者参与数据集定制，允许引入额外的建筑构件、材质纹理、建筑类别、标注的数量与类型，以及每个三维模型样本的视图数量。以此方式，该框架可满足不同研究需求，并适应大量多样的任务。所有代码与数据均已公开可用。
引用
@article{arxiv.2104.12564,
title = {Synthetic 3D Data Generation Pipeline for Geometric Deep Learning in Architecture},
author = {Stanislava Fedorova and Alberto Tono and Meher Shashwat Nigam and Jiayao Zhang and Amirhossein Ahmadnia and Cecilia Bolognesi and Dominik L. Michels},
journal= {arXiv preprint arXiv:2104.12564},
year = {2021}
}
备注
Project Page: https://cdinstitute.github.io/Building-Dataset-Generator/