Sep, 2023

SyntheWorld: 用于土地覆盖制图和建筑变化检测的大规模合成数据集

PDF
TL;DRSyntheWorld 是一种无与伦比的合成数据集，具有高质量、多样性和规模，包含 40,000 张具有亚米级像素的图像和八个类别的细粒度土地覆盖注释，还提供了 40,000 对双时间图像对和建筑变化注释用于建筑变化检测任务，我们在多个基准遥感数据集上进行了实验，验证了 SyntheWorld 的有效性并调研了合成数据在何种情况下具有优势，我们将发布 SyntheWorld 以促进遥感图像处理研究。
发现论文，激发创造
  • SynRS3D: 通过单目遥感影像进行全球三维语义理解的合成数据集

    从单视图的高分辨率遥感图像实现全球语义三维理解是地球观测领域的关键问题之一。本论文介绍了专门为地球观测领域开发的合成数据生成流程，并提出了全球最大的合成卫星影像三维数据集 SynRS3D，其中包括 69667 幅高分辨率光学图像，覆盖了全球六个不同的城市风格和八种地表覆盖类型，还提供了精确的高度信息和建筑物变化遮罩。为提高数据集的效用，我们还开发了一种新颖的多任务无监督域自适应方法 RS3DAda，结合了合成数据集，在土地覆盖制图和高度估计任务中实现了从合成到真实场景的转换，并最终实现了基于合成数据的全球单目三维语义理解。在各种真实世界数据集上进行的大量实验证明了我们合成数据集和提出的 RS3DAda 方法的适应性和有效性。SynRS3D 数据集和相关代码将会提供。

    Jun, 2024

  • SynthCity：大规模的合成点云数据集

    论文介绍了一个名为 SynthCity 的新型开放式数据集，可以提供一个用于深度学习自动分类三维点云数据的高质量的数据源。采用合成数据进行预训练网络是可能的解决方案。本文的贡献在于介绍了一种基于 3D 虚拟环境生成的全色移动激光扫描点云的数据集。

    Jul, 2019

  • SEN12MS：一份经过整理的、包含地理参考多光谱 Sentinel-1/2 图像数据集，为深度学习与数据融合提供支持

    利用 Copernicus 计划（ESA）的 Sentinel 卫星和 Google Earth Engine 的云计算设施，我们提供一个包括 180,662 个样本的数据集，该数据集由双极化合成孔径雷达（SAR）图像，多光谱 Sentinel-2 图像和 MODIS 地表覆盖映射的三元组组成，拥有 10 m 的地面采样距离，并覆盖所有有人居住的大陆和所有气象季节。期望该数据支持社区开发面向场景分类或地表映射的语义分割等常见任务的深度学习算法。

    Jun, 2019

  • STPLS3D：一个大规模的合成和真实航空摄影测量三维点云数据集

    探索通过改进人们的能力来创造大规模注释的航空摄影测量点云的 3D 数据生成方法，利用开源地理空间数据和商业软件来生成精确的语义和实例注释，提出 STPLS3D 数据集并在其上进行的实验表明了该数据集的有效性和质量。

    Mar, 2022

  • Synscapes：用于街景解析的照片级合成数据集

    使用逼真的渲染技术创建的 Synscapes 合成数据集在街景分割的训练和验证方面展示了最先进的结果，并研究了网络在合成数据上推断时的行为，并分析了现有分割和检测模型，为计算机视觉系统的分析提供了细微的信息。

    Oct, 2018

  • ChatEarthNet: 用于遥感的全球规模高质量图像 - 文本数据集

    我们提供了一个全球范围、高质量、多样性广泛、描述详细的图像 - 文本数据集 ChatEarthNet，其中包含由 ChatGPT-3.5 生成的 163,488 个图像 - 文本对及额外的由 ChatGPT-4V 生成的 10,000 个图像 - 文本对，这对于远程感知的视觉语言基础模型的训练和大型视觉语言模型的评估具有重要潜力，并将供公众使用。

    Feb, 2024

  • RarePlanes: 合成数据翱翔天际

    RarePlanes 是一个独特的开源机器学习数据集，结合了真实和合成卫星图像，并着重探讨了合成数据在卫星影像中自动检测飞机及其属性能力上的价值。

    Jun, 2020

  • 探索航拍人体检测的合成数据影响

    本文研究了航拍人体检测中利用合成数据来训练的方法，通过探讨实际数据、合成数据和数据池选择对合成数据的质量影响以及利用合成数据提高学习性能和域泛化能力的效果，发现了几个重要的发现，为未来研究提供了更合理的使用合成数据的方向。

    May, 2024

  • 城市场景语义分割中合成数据的有效使用

    本文提出了一种无需真实图像数据的方法，通过修改前景和背景类的训练方法来适应合成图像，有效地训练出了适用于城市街景和驾驶场景的图像语义分割模型。

    Jul, 2018

  • 无限道路场景合成标注（URSA）数据集

    通过使用基于视频游戏引擎的人工注释技术，产生了包含 100 万张图像的高质量路景数据集，从而大幅提升了语义分割网络的训练效率。

    Jul, 2018