研究人员推出了UnderOneFacade，这是一个旨在推进3D门面语义分割的新基准数据集。该数据集是同类数据集中规模最大的，横跨多个国家和大陆，拥有厘米级精度的点云，包含超过27亿个标注点。该数据集旨在解决现有基准测试的局限性，这些基准测试通常地域范围狭窄或语义不一致。使用UnderOneFacade进行的初步评估显示，当前的分割模型在细粒度建筑元素方面存在困难，并且在不同地理区域之间表现出显著的性能下降。 AI
影响 该数据集旨在提高3D分割模型的鲁棒性和可迁移性，可能影响数字孪生和建筑分析工具的开发。
排序理由 该集群描述了一个用于计算机视觉任务的新基准数据集，已在arXiv上发布。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.02018v1 Announce Type: new Abstract: Globally consistent semantic digital twins require centimeter-accurate and geographically transferable 3D facade segmentation. However, progress in facade parsing is limited by the lack of large-scale, standardized benchmarks for ev…
Globally consistent semantic digital twins require centimeter-accurate and geographically transferable 3D facade segmentation. However, progress in facade parsing is limited by the lack of large-scale, standardized benchmarks for evaluating cross-domain generalization. Existing d…