Navya3DSeg — Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles

要約

現在、自動運転 (AD) の認識は、大規模なアノテーション付きデータセットと、キュレーションとアノテーションに関連するコストを必要とするディープ ラーニング ベースのアーキテクチャに大きく依存しています。
3D セマンティック データは、障害物の検出や自車両の位置特定などの中核となる認識タスクに役立ちます。
私たちは、13 か国の地方、都市、工業用地、大学を含む大規模な生産グレードの運用ドメインに対応する多様なラベル空間を備えた新しいデータセット、Navya 3D セグメンテーション (Navya3DSeg) を提案します。
これには、23 個のラベル付きシーケンスと 25 個のラベルなしの補足シーケンスが含まれており、点群上の自己教師ありおよび半教師ありセマンティック セグメンテーション ベンチマークを調査するように設計されています。
また、反復的なマルチラベル層別化に基づいて逐次データセット分割生成のための新しい方法を提案し、SemanticKITTI データセットによって提案された元の分割と比較して +1.2% の mIoU 改善を達成することを実証しました。
最先端の方法を使用して、セマンティック セグメンテーション タスクの完全なベンチマークが実行されました。
最後に、アクティブ ラーニング (AL) ベースのデータセット抽出フレームワークを示します。
AL のコンテキストで、エゴポーズ距離ベースのサンプリングと呼ばれる新しいヒューリスティックフリーのサンプリング方法を導入します。
データセットの詳細なプレゼンテーションは、https://www.youtube.com/watch?v=5m6ALIs-s20 でご覧いただけます。

要約(オリジナル)

Autonomous driving (AD) perception today relies heavily on deep learning based architectures requiring large scale annotated datasets with their associated costs for curation and annotation. The 3D semantic data are useful for core perception tasks such as obstacle detection and ego-vehicle localization. We propose a new dataset, Navya 3D Segmentation (Navya3DSeg), with a diverse label space corresponding to a large scale production grade operational domain, including rural, urban, industrial sites and universities from 13 countries. It contains 23 labeled sequences and 25 supplementary sequences without labels, designed to explore self-supervised and semi-supervised semantic segmentation benchmarks on point clouds. We also propose a novel method for sequential dataset split generation based on iterative multi-label stratification, and demonstrated to achieve a +1.2% mIoU improvement over the original split proposed by SemanticKITTI dataset. A complete benchmark for semantic segmentation task was performed, with state of the art methods. Finally, we demonstrate an Active Learning (AL) based dataset distillation framework. We introduce a novel heuristic-free sampling method called ego-pose distance based sampling in the context of AL. A detailed presentation on the dataset is available here https://www.youtube.com/watch?v=5m6ALIs-s20.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google