TRoVE：将道路场景数据集转化为照片级真实虚拟环境
计算机视觉与模式识别
2022-08-18 v1
摘要
带有丰富标注的高质量结构化数据是基于道路场景的智能车辆系统中的关键组成部分。然而，数据整理与标注需要大量投入且产生的场景多样性低。近期对合成数据日益增长的兴趣引发了关于此类系统改进空间以及仍需多少手工工作来产出大量且多样模拟数据的疑问。本工作提出了一种利用现有数据集（如 nuScenes）的合成数据生成流水线，以应对模拟数据集中存在的困难与域差距。我们表明，利用现有数据集的标注与视觉线索，可促进自动化多模态数据生成，以高保真度模仿真实场景属性，并附带以物理有意义的方式使样本多样化的机制。我们通过对 Cityscapes 和 KITTI-STEP 数据集上语义分割的真实与合成数据进行定性与定量实验，展示了 mIoU 指标的改进。所有相关代码与数据已在 github 发布（https://github.com/shubham1810/trove_toolkit）。
引用
@article{arxiv.2208.07943,
title = {TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments},
author = {Shubham Dokania and Anbumani Subramanian and Manmohan Chandraker and C. V. Jawahar},
journal= {arXiv preprint arXiv:2208.07943},
year = {2022}
}
备注
18 pages, 5 figures, Accepted in European Conference on Computer Vision (ECCV 2022)