VALERIE22 — A photorealistic, richly metadata annotated dataset of urban environments

要約

VALERIE ツール パイプラインは、DNN (ディープ ニューラル ネットワーク) の知覚パフォーマンスに影響を与えるドメイン固有の要因の理解に貢献することを目的として開発された合成データ ジェネレーターです。
この研究は、自動運転のための都市環境における歩行者検出のコンテキストにおける DNN の検証方法を開発するために、ドイツの研究プロジェクト KI Absicherung の下で実施されました。
VALERIE22 データセットは、自動合成されたシーンからレンダリングされたフォトリアリスティックなセンサー シミュレーションを提供する VALERIE プロシージャル ツール パイプラインを使用して生成されました。
このデータセットは、独自に豊富なメタデータのセットを提供し、特定のシーンとセマンティック特徴 (ピクセル精度のオクルージョン レート、シーン内の位置、カメラまでの距離と角度など) の抽出を可能にします。
これにより、データに対して可能な多数のテストが可能になり、DNN のパフォーマンスを理解するための研究が促進されることを期待しています。
パフォーマンス メトリックに基づいて、他の公開されているいくつかのデータセットとの比較が提供され、VALERIE22 が現在オープン ドメインで利用可能な合成データセットの中で最高のパフォーマンスを発揮する 1 つであることが実証されています。

要約(オリジナル)

The VALERIE tool pipeline is a synthetic data generator developed with the goal to contribute to the understanding of domain-specific factors that influence perception performance of DNNs (deep neural networks). This work was carried out under the German research project KI Absicherung in order to develop a methodology for the validation of DNNs in the context of pedestrian detection in urban environments for automated driving. The VALERIE22 dataset was generated with the VALERIE procedural tools pipeline providing a photorealistic sensor simulation rendered from automatically synthesized scenes. The dataset provides a uniquely rich set of metadata, allowing extraction of specific scene and semantic features (like pixel-accurate occlusion rates, positions in the scene and distance + angle to the camera). This enables a multitude of possible tests on the data and we hope to stimulate research on understanding performance of DNNs. Based on performance metric a comparison with several other publicly available datasets is provided, demonstrating that VALERIE22 is one of best performing synthetic datasets currently available in the open domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google