我们提出了一种生成合成图像数据的方法，用于语义分割，为其他任务提供泛化能力，并提供由无人驾驶宇宙飞船的二维单眼图像组成的原型合成图像数据集，以便进一步研究自主空间飞行器汇合问题。我们在这些合成数据上展示了强的基准结果（Sørensen-Dice 系数为 0.8723），表明训练良好性能的图像分割模型对此任务是可行的，特别是如果目标航天器及其配置已知。

Nov, 2022

近年来，对于在轨交会、对接和接近操作等自主性的需求不断增加，因此对基于深度学习的航天器姿态估计技术越来越感兴趣。然而，由于真实目标数据的获取有限，算法通常使用合成数据进行训练，并应用于实际领域，导致性能下降。最新的方法采用域自适应技术来缓解这个问题。在寻找可行解决方案的过程中，已经在过去研究中探索了事件感知，并证明了事件传感器可以减少模拟和真实世界场景之间的领域差距。事件传感器在硬件和软件方面近年来取得了显著进展。此外，与 RGB 传感器相比，事件传感器的特性在航天应用中提供了几个优势。为了进一步训练和评估基于深度学习的模型，我们介绍了一个新的数据集 SPADES，其中包含在受控实验室环境中获取的真实事件数据和使用相同相机内参的模拟事件数据。此外，我们提出了一种有效的数据过滤方法，以提高训练数据的质量，从而增强模型性能。此外，我们引入了一种基于图像的事件表示方法，优于现有的表示方法。我们对不同事件表示、事件过滤策略和算法框架进行了多方面的基准评估，并总结了结果。该数据集将在此 http URL 上提供。

Nov, 2023

本文介绍了具有特定重点的下一代航天器姿态估计数据集，包括用于训练的 6 万个合成图像和由测试床拍摄的 9531 个具有准确和最大多样化姿态标签的硬件在环图像，旨在评估和比较基于合成图像训练的空间机器学习模型的鲁棒性。

Oct, 2021

使用自然语言处理来检测文本中的显著部分已被广泛应用于减少信息溢出的影响。本研究介绍了一个用于检测与太空领域创新想法相关的显著信息的数据集 SPACE-IDEAS。SPACE-IDEAS 中的文本差异很大，包括非正式的、技术的、学术的和商业导向的写作风格。除了手动注释的数据集外，我们还发布了一个使用大型生成语言模型进行注释的扩展版本。我们训练了不同的句子和连续句子分类器，并展示了自动注释的数据集可以通过多任务学习来训练更好的分类器。

Mar, 2024

通过 SPIN 工具进行了太空航天影像生成，用于改进空间操作、可视化导航和姿态估计数据集，并展示了相对于现有综合数据集的平均错误率减少 50% 的结果。

Jun, 2024

本文介绍了一种名为 SpaceYOLOv2 (SpY) 的端到端物体检测器，利用传统的计算机视觉技术融入上下文知识以提高检测准确性，并通过与现有的航天器部件检测器相结合，使得 SpY 在硬件环路图像的评估中表现出较高的准确性，为基于视觉导航任务提供了增强安全性的解决方案。

Jun, 2024

该研究以卫星姿态估计数据集为基础，对基于单目视觉的方法进行分析，在对 48 名参赛者分析竞赛表现的基础上，探讨了卫星姿态估计问题的挑战和改进方向。

Nov, 2019

该研究论文提出了一种数据处理流水线，旨在从未知太空物体的高光谱特征中提取信息，通过单像素图像确定太空物体的物质组成，并使用基于机器学习和最小二乘匹配的技术对物质进行识别和分类，研究了在非理想情况下的物质分类方法的行为，并初步展示了太空物体的鉴定和分类的一些初步结果。

Aug, 2023

为了解决现有数据集图片数量有限的问题，本文提出了一个包含图像和三维数据的多模态综合数据集，该数据集包含 28 类的像素级标注，并可用于深度网络架构的有效训练，结果表明其在合成数据和实际数据的适应方面具有良好的前景。

Aug, 2023

基于 StarCraft II 游戏重播构建了一个空间推理基准数据集，用于在多智能体环境中原型设计和测试推理方法。

Jan, 2024