Semantic Segmentation of Urban Textured Meshes Through Point Sampling

要約

テクスチャ メッシュは、3D ジオメトリと実際のシーンの放射測定を組み合わせた表現としてますます人気が高まっています。
ただし、アーバン メッシュのセマンティック セグメンテーション アルゴリズムはほとんど調査されておらず、すべての放射情報を利用しているわけではありません。
この問題に対処するために、テクスチャ メッシュからポイント クラウドをサンプリングし、次にこのクラウドでポイント クラウド セマンティック セグメンテーション アルゴリズムを使用し、最後に取得したセマンティックを使用して初期メッシュをセグメント化するというアプローチを採用します。
この論文では、サンプリング方法、抽出された雲の密度、選択された機能 (色、法線、標高)、および各トレーニング期間で使用されるポイント数などのさまざまなパラメーターの影響を調べます。
私たちの結果は、SUM データセットの最新技術を上回り、OA で約 4 ポイント、mIoU で 18 ポイントを獲得しました。

要約(オリジナル)

Textured meshes are becoming an increasingly popular representation combining the 3D geometry and radiometry of real scenes. However, semantic segmentation algorithms for urban mesh have been little investigated and do not exploit all radiometric information. To address this problem, we adopt an approach consisting in sampling a point cloud from the textured mesh, then using a point cloud semantic segmentation algorithm on this cloud, and finally using the obtained semantic to segment the initial mesh. In this paper, we study the influence of different parameters such as the sampling method, the density of the extracted cloud, the features selected (color, normal, elevation) as well as the number of points used at each training period. Our result outperforms the state-of-the-art on the SUM dataset, earning about 4 points in OA and 18 points in mIoU.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google