CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle Components

要約

Neural Radiance Fields (NeRF) は、一連の画像から得られたオブジェクトやシーンの 3D 再構築を表現するための非常に効果的な技術として広く認識されています。
NeRF モデルはその効率性にもかかわらず、十分なデータの欠如や困難な要素 (反射など) の存在が再構成の精度に大きな影響を与える車両検査などの特定のシナリオでは課題を引き起こす可能性があります。
この目的のために、車両の新しい合成ベンチマークである CarPatch を紹介します。
固有および外部カメラ パラメーターで注釈が付けられた一連の画像に加えて、対応する深度マップとセマンティック セグメンテーション マスクがビューごとに生成されています。
一部の最先端技術を評価、比較し、より適切に特徴付けるために、グローバルおよび部品ベースの指標が定義され、使用されています。
データセットは https://aimagelab.ing.unimore.it/go/carpatch で公開されており、評価ガイドとして、またこの困難なトピックに関する今後の作業のベースラインとして使用できます。

要約(オリジナル)

Neural Radiance Fields (NeRFs) have gained widespread recognition as a highly effective technique for representing 3D reconstructions of objects and scenes derived from sets of images. Despite their efficiency, NeRF models can pose challenges in certain scenarios such as vehicle inspection, where the lack of sufficient data or the presence of challenging elements (e.g. reflections) strongly impact the accuracy of the reconstruction. To this aim, we introduce CarPatch, a novel synthetic benchmark of vehicles. In addition to a set of images annotated with their intrinsic and extrinsic camera parameters, the corresponding depth maps and semantic segmentation masks have been generated for each view. Global and part-based metrics have been defined and used to evaluate, compare, and better characterize some state-of-the-art techniques. The dataset is publicly released at https://aimagelab.ing.unimore.it/go/carpatch and can be used as an evaluation guide and as a baseline for future work on this challenging topic.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google