ParisLuco3D: A high-quality target dataset for domain generalization of LiDAR perception

要約

LiDAR は、シーンに関する正確な幾何学的情報を収集することで自動運転をサポートするセンサー システムです。
利用可能なデータの量が増えるにつれて、この情報を認識のために利用することは興味深いものになります。
さまざまな知覚タスクの定量的パフォーマンスが向上するにつれて、焦点はソースからソースへの知覚から、知覚の領域適応と領域一般化へと​​移ってきました。
これらの新しい目標では、評価のためにさまざまなドメインにアクセスする必要があります。
残念ながら、データ プロバイダーのさまざまなアノテーション戦略により、利用可能なデータに基づくクロスドメイン パフォーマンスの計算が複雑になります。この論文では、さまざまなソース データセットのパフォーマンスを簡単に評価できるように、クロスドメイン評価用に特別に設計された新しいデータセットを提供します。
データセットに加えて、手法間での公平な比較を保証するために、柔軟なオンライン ベンチマークが提供されます。

要約(オリジナル)

LiDAR is a sensor system that supports autonomous driving by gathering precise geometric information about the scene. Exploiting this information for perception is interesting as the amount of available data increases. As the quantitative performance of various perception tasks has improved, the focus has shifted from source-to-source perception to domain adaptation and domain generalization for perception. These new goals require access to a large variety of domains for evaluation. Unfortunately, the various annotation strategies of data providers complicate the computation of cross-domain performance based on the available data This paper provides a novel dataset, specifically designed for cross-domain evaluation to make it easier to evaluate the performance of various source datasets. Alongside the dataset, a flexible online benchmark is provided to ensure a fair comparison across methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google