Turin3D：在标签稀缺下评估城市 LiDAR 语义分割中的适应策略
计算机视觉与模式识别
2025-04-09 v1 人工智能
摘要
3D 语义分割在城市建模中发挥着关键作用，使我们能够对城市环境进行详细的理解和映射。本文介绍 Turin3D：一个覆盖位于 Turin city centre 约 1.43 km² 区域、包含近 7000 万点的新的航空 LiDAR 数据集，用于点云语义分割。我们描述了数据收集过程，并将 Turin3D 与文献中其他数据集进行了比较。由于该过程的复杂性和耗时，我们并未完全注释该数据集；但对验证集和测试集进行了手动注释，以便可靠地评估所提出的技术。我们首先对比了在 Turin3D 上测试时，若在现有数据集上训练的几个点云语义分割模型的性能，然后通过应用一种半监督学习技术来提升其性能。该数据集将对外公开，以支持户外点云分割研究，特别是针对自监督学习和半监督学习方法，由于训练集缺乏 ground truth 注释。
关键词
引用
@article{arxiv.2504.05882,
title = {Turin3D: Evaluating Adaptation Strategies under Label Scarcity in Urban LiDAR Segmentation with Semi-Supervised Techniques},
author = {Luca Barco and Giacomo Blanco and Gaetano Chiriaco and Alessia Intini and Luigi La Riccia and Vittorio Scolamiero and Piero Boccardo and Paolo Garza and Fabrizio Dominici},
journal= {arXiv preprint arXiv:2504.05882},
year = {2025}
}
备注
Accepted at CVPRW2025 - USM3D