ParallelEye 数据集：构建用于交通视觉研究的大规模人工场景
计算机视觉与模式识别
2017-12-25 v1
摘要
视频图像数据集在交通视觉算法的设计与评估中发挥着至关重要的作用。然而，图像数据集一个长期存在的不便之处是，从真实场景中手动收集和标注大规模多样化数据集耗时且容易出错。因此虚拟数据集已开始作为真实数据集的替代。在本文中，我们提出构建用于交通视觉研究的大规模人工场景，并生成一个称为“ParallelEye”的新虚拟数据集。首先，利用街道地图数据构建北京中关村地区的三维场景模型。然后，利用计算机图形学、虚拟现实和规则建模技术合成大规模、逼真的虚拟城市交通场景，其保真度和地理信息与真实世界良好匹配。此外，使用 Unity3D 平台渲染人工场景并生成准确的真实标注，例如语义/实例分割、目标边界框、目标跟踪、光流和深度。人工场景中的环境条件可完全控制。因此，我们提出了一种用于构建交通视觉研究大规模人工场景的可行实现流程。实验结果表明，该流程能够以低建模时间和高标注精度生成逼真虚拟数据集。
引用
@article{arxiv.1712.08394,
title = {The ParallelEye Dataset: Constructing Large-Scale Artificial Scenes for Traffic Vision Research},
author = {Xuan Li and Kunfeng Wang and Yonglin Tian and Lan Yan and Fei-Yue Wang},
journal= {arXiv preprint arXiv:1712.08394},
year = {2017}
}
备注
To be published in IEEE ITSC 2017