ZAHA: Introducing the Level of Facade Generalization and the Large-Scale Point Cloud Facade Semantic Segmentation Benchmark Dataset

要約

ファサードのセマンティック セグメンテーションは、写真測量とコンピュータ ビジョンにおける長年の課題です。
過去数十年間、ファサード セグメンテーション手法が流入してきましたが、建築上の変動性をカバーする包括的なファサード クラスやデータが不足しています。
ZAHA では、国際的な都市モデリング標準に基づいて設計された新しい階層型ファサード クラスである Level of Facade Generalization (LoFG) を導入し、現実世界の困難なクラスとの互換性および統一手法の比較を保証します。
LoFG を実現するために、LoFG2 と LoFG3 のそれぞれ 5 クラスと 15 クラスで 6 億 100 万個の注釈付きポイントを提供する、これまでで最大のセマンティック 3D ファサード セグメンテーション データセットを提示します。
さらに、導入した LoFG クラスとデータに対するベースライン セマンティック セグメンテーション手法のパフォーマンスを分析し、ファサード セグメンテーションの未解決の課題についての議論で補完します。
私たちは、ZAHA が 3D ファサード セマンティック セグメンテーション手法のさらなる開発を促進し、都市デジタル ツインの構築に不可欠な堅牢なセグメンテーションを可能にすると強く信じています。

要約(オリジナル)

Facade semantic segmentation is a long-standing challenge in photogrammetry and computer vision. Although the last decades have witnessed the influx of facade segmentation methods, there is a lack of comprehensive facade classes and data covering the architectural variability. In ZAHA, we introduce Level of Facade Generalization (LoFG), novel hierarchical facade classes designed based on international urban modeling standards, ensuring compatibility with real-world challenging classes and uniform methods’ comparison. Realizing the LoFG, we present to date the largest semantic 3D facade segmentation dataset, providing 601 million annotated points at five and 15 classes of LoFG2 and LoFG3, respectively. Moreover, we analyze the performance of baseline semantic segmentation methods on our introduced LoFG classes and data, complementing it with a discussion on the unresolved challenges for facade segmentation. We firmly believe that ZAHA shall facilitate further development of 3D facade semantic segmentation methods, enabling robust segmentation indispensable in creating urban digital twins.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google