Transferring facade labels between point clouds with semantic octrees while considering change detection

要約

点群と高解像度 3D データは、測量、建設、仮想現実などのさまざまな分野でますます重要になっています。
ただし、このデータを持っているだけでは十分ではありません。
有用な情報を抽出するには、セマンティックなラベル付けが重要です。
これに関連して、オクツリー構造を使用して、ラベル付き点群からラベルなしの点群にアノテーションを転送する方法を提案します。
この構造は、点群間の変化も分析します。
私たちの実験により、私たちの方法が変更に対処しながら効果的に注釈を転送できることが確認されました。
このプロジェクトの主な貢献は、同じ現実世界のオブジェクトを表す 2 つの異なる点群間でラベルを自動転送する方法の開発です。
提案された方法は、同じオブジェクトを表すデータセット間の決定論的なラベル転送によって確率的転移学習を回避することもできるため、データ駆動型深層学習アルゴリズムにとって非常に重要になる可能性があります。

要約(オリジナル)

Point clouds and high-resolution 3D data have become increasingly important in various fields, including surveying, construction, and virtual reality. However, simply having this data is not enough; to extract useful information, semantic labeling is crucial. In this context, we propose a method to transfer annotations from a labeled to an unlabeled point cloud using an octree structure. The structure also analyses changes between the point clouds. Our experiments confirm that our method effectively transfers annotations while addressing changes. The primary contribution of this project is the development of the method for automatic label transfer between two different point clouds that represent the same real-world object. The proposed method can be of great importance for data-driven deep learning algorithms as it can also allow circumventing stochastic transfer learning by deterministic label transfer between datasets depicting the same objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google