Conjuntos de datos fotorrealistas de la escena de tráfico: perspectivas reales y sintéticas para el análisis basado...

Área de la Ciencia:

• Visión por computadora
• Sistemas de conducción autónomos
• Aprendizaje automático

Sus antecedentes:

• La percepción es vital para la conducción autónoma y la interpretación de escenas de tráfico desde cámaras monoculares.
• Los conjuntos de datos existentes pueden carecer de diversidad o contrapartes del mundo real.

Objetivo del estudio:

• Presentar una colección completa de conjuntos de datos de la escena del tráfico.
• Apoyar el desarrollo y la formación de modelos de visión por ordenador para la conducción autónoma.

Principales métodos:

• Los conjuntos de datos organizados en cuatro grupos: escena de tráfico, vista superior, vista de altura múltiple y profundidad.
• Se han introducido nuevos conjuntos de datos: SupporterReal, SupporterVirtual, RealTop y SynthTop.
• Recogió imágenes sincronizadas de RGB y profundidad utilizando cámaras estéreo RealSense.

Principales resultados:

• El análisis de similitud perceptual (métrica LPIPS) confirmó que las imágenes sintéticas se parecen mucho a las escenas del mundo real.
• Los conjuntos de datos están diseñados para el soporte de modelos de profundidad monocular de disparo cero.
• La recopilación y generación de datos se llevaron a cabo entre 2023 y 2025.

Conclusiones:

• Los conjuntos de datos presentados facilitan el aprendizaje de transferencia de dominio sintético a real.
• Los formatos estandarizados garantizan la compatibilidad con los marcos de aprendizaje profundo.
• La colección promueve una reutilización más amplia en aplicaciones de visión por computadora.