TUM-FAÇADE：审视并丰富用于立面分割的点云基准
计算机视觉与模式识别
2023-04-17 v1 人工智能
机器学习
摘要
点云被广泛认为是用于城市制图目的的最佳数据集类型之一。因此，点云数据集常作为各种城市解译方法的基准类型被研究。然而，鲜有研究者探讨将点云基准用于立面分割。稳健的立面分割正成为从模拟自动驾驶功能到保护文化遗产等各类应用中的关键因素。本工作中，我们提出一种用立面相关类别丰富现有点云数据集的方法，这些类别旨在便利立面分割测试。我们提出如何高效扩展现有数据集并全面评估其用于立面分割的潜力。我们利用该方法创建了TUM-FAÇADE数据集，其扩展了TUM-MLS-2016的能力。TUM-FAÇADE不仅可促进基于点云的立面分割任务的发展，我们的流程也可用于丰富更多数据集。
引用
@article{arxiv.2304.07140,
title = {TUM-FA\c{C}ADE: Reviewing and enriching point cloud benchmarks for fa\c{c}ade segmentation},
author = {Olaf Wysocki and Ludwig Hoegner and Uwe Stilla},
journal= {arXiv preprint arXiv:2304.07140},
year = {2023}
}
备注
3D-ARCH 2022, Mantova, Italy, 2022, ISPRS conference