ICCVAug, 2023

LaRS：多样性全景海上障碍物检测数据集与基准

PDF
TL;DR通过新的数据集 LaRS，我们提供了第一个海洋全景障碍物检测基准，涵盖了湖泊、河流和海洋场景，并提供了最大的多样性录制位置、场景类型、障碍物类别和获取条件。LaRS 数据集由包含 4000 多个像素标记关键帧组成，具有九个先前帧，以利用时间纹理，共计超过 40k 帧。我们报告了 27 种语义和全景分割方法的结果，以及几个性能洞察和未来研究方向。为了实现客观评估，我们还实施了在线评估服务器。LaRS 数据集、评估工具包和基准公开可用。
发现论文，激发创造
  • MLRSNet：用于语义场景理解的多标签高空间分辨率遥感数据集

    本研究构建了一个名为 MLRSNet 的多标签高空间分辨率遥感数据集，用于深度学习的语义场景理解任务。它包含 109,161 个样本，涵盖 46 种场景类别，是一个重要的未来研究基准，并填补了现有的多标签图像研究的空白。

    Oct, 2020

  • DurLAR：高保真 128 通道激光雷达数据集，提供全景环境光和反射图像，用于多模态自动驾驶应用

    DurLAR 是一个高保真度的 128 通道 3D LiDAR 数据集，具有全景环境（近红外）和反射率图像，用于自动驾驶应用的深度估计的样本基准任务，提供了超过以前的基准的分辨率，在 DurLAR 中，通过使用高分辨率但稀疏的真场景深度信息，我们提出了一种新的联合监督 / 自监督损失函数。我们在 DurLAR 数据集、KITTI 基准和 Cityscapes 数据集上进行性能比较，评估结果显示，在 DurLAR 中使用联合监督和自监督损失项，通过优越的真实分辨率和可用性，提高了领先的当代单目深度估计方法的定量和定性性能（RMSE = 3.639，Sq Rel = 0.936）。

    Jun, 2024

  • LasHeR: 一个大规模高多样性的 RGBT 跟踪基准

    本文介绍了一个针对 RGBT 跟踪的大规模高多样性基准测试数据集 LasHeR，该数据集由 1224 个可见光和热红外视频对组成，共有超过 730K 帧，每个帧对都进行了精细的人工标注。在此基础上，我们对 12 种 RGBT 跟踪算法进行了全面评估，并展示了详细分析，旨在澄清 RGBT 跟踪领域中的研究空间。此外，我们还发布了 LasHeR 的未对齐版本，以吸引对无对齐 RGBT 跟踪更实际的任务感兴趣的研究者。

    Apr, 2021

  • OpenLORIS-Object：用于终身深度学习的机器人视觉数据集和基准

    针对具有挑战性的开放式及有害条件下，机器人视觉应用需要具备适应性的系统，使其具备终身学习的能力，该篇研究提出了一个新的生涯机器人视觉数据集（OpenLORIS-Object），囊括了最近领先的 lifelong learning 算法，并提供了新的基准评估模型的效果和性能。

    Nov, 2019

  • 基于视觉的着陆数据集 -- 用于着陆接近跑道检测

    介绍了一个高质量的航空景象数据集，其中包括大量的合成图像和手动标注的真实着陆图像，以应对自主降落系统中数据不足和缺乏开源数据集的问题并支持跑道检测等任务。

    Apr, 2023

  • 3DRef：基于 RGB 和 Lidar 数据的反射检测的 3D 数据集和基准测试

    这篇论文介绍了第一个大规模的 3D 反射检测数据集，包含超过 50,000 个多返回 Lidar、RGB 图像和 2D/3D 语义标签样本，在各种室内环境中，含有不同类型的反射。通过纹理化的 3D 地面真实网格实现自动点云标注，提供精确的地面真实标注。详细的评估对比了三种 Lidar 点云分割方法，以及当前最先进的图像分割网络对玻璃和镜子的检测。该数据集通过提供准确的全局对齐、多模态数据和各种反射物体和材料，推动了反射检测的进一步研究。该数据集可以在指定的 http 链接公开获取。

    Mar, 2024

  • VRSBench：用于遥感图像理解的通用视觉语言基准数据集

    我们引入了一个新的基准，旨在推进远程感知图像的通用、大规模的视觉语言模型的发展。

    Jun, 2024

  • Panoptic nuScenes：LiDAR 全图分割和跟踪的大规模基准测试

    介绍了扩展了 nuScenes 数据集的大规模全景 nuScenes 基准数据集，以便对动态城市环境的全景场景理解方法进行研究和评估，同时提出了各种分割和跟踪任务的强基线方法，并提出了面向实例的新型 PAT 指标，解决了现有指标的局限性。

    Sep, 2021

  • 用于前视声纳语义分割的海洋垃圾数据集

    本研究利用前向扫描声纳（FLS）开发了一个新的海洋垃圾分割数据集，并使用各种编码器对其进行语义分割的基线结果进行了分析比较，其中最佳性能的模型为采用 ResNet34 骨干网络的 Unet，IoU 为 0.7481。

    Aug, 2021

  • 光学遥感图像中的目标检测：调查和新基准

    本文提供了在计算机视觉和地球观测社区中基于深度学习的对象检测的综合研究进展，并提出了一个公开的大规模测量数据，即 DIOR 数据集，其可帮助研究人员开发和验证数据驱动的方法。

    Aug, 2019