ZAHA：立面泛化等级的引入与大规模点云立面语义分割基准数据集
计算机视觉与模式识别
2024-12-20 v4 人工智能
摘要
立面语义分割是摄影测量与计算机视觉领域长期存在的挑战。尽管过去几十年立面分割方法大量涌现，但缺乏覆盖建筑多样性的综合立面类别与数据。在ZAHA中，我们引入了立面泛化等级(Level of Facade Generalization, LoFG)，这是一种基于国际城市建模标准设计的新型层次化立面类别，确保与真实世界挑战性类别的兼容性以及方法比较的统一性。基于LoFG，我们提出了迄今为止最大的语义3D立面分割数据集，在LoFG2和LoFG3中分别提供6.01亿个标注点，分为5类和15类。此外，我们分析了基线语义分割方法在我们引入的LoFG类别和数据上的性能，并补充讨论了立面分割中尚未解决的挑战。我们坚信ZAHA将推动3D立面语义分割方法的进一步发展，为构建城市数字孪生提供鲁棒分割能力。
引用
@article{arxiv.2411.04865,
title = {ZAHA: Introducing the Level of Facade Generalization and the Large-Scale Point Cloud Facade Semantic Segmentation Benchmark Dataset},
author = {Olaf Wysocki and Yue Tan and Thomas Froech and Yan Xia and Magdalena Wysocki and Ludwig Hoegner and Daniel Cremers and Christoph Holst},
journal= {arXiv preprint arXiv:2411.04865},
year = {2024}
}
备注
Accepted to WACV 2025 (IEEE/CVF Winter Conference on Applications of Computer Vision (WACV))