StructScan3D v1:第一个RGB-D数据集用于室内建筑元素分段和BIM建模
Ishraq Rached1, Rafika Hajji1, Tania Landes2
1College of Geomatic Sciences and Surveying Engineering, Institute of Agronomy and Veterinary Medicine, Rabat 6202, Morocco.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
一个新的数据集,StructScan3D v1,有助于用于建筑信息建模 (BIM) 的自动化室内建筑元素细分. 它可以为室内场景重建和机器人等任务提供更好的深度学习模型.
科学领域:
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
- 建筑信息建模 (BIM) 是指建筑信息建模.
背景情况:
- 在BIM中对结构化数据集的需求越来越大,用于室内元素的语义细分.
- 现有的数据集缺乏对建筑和结构组件的全面注释.
研究的目的:
- 介绍StructScan3D v1,这是第一个用于自动化室内建筑元件分割和建模的RGB-D数据集.
- 建立室内RGB-D语义细分的基准.
主要方法:
- 使用Kinect Azure传感器在各种室内环境中捕获了2594个注释.
- 专注于六个关键元素:墙壁,地板,天花板,窗户,门和各种物体.
- 评估了基于D-Former变压器的模型,并将其与Gemini和TokenFusion进行了比较.
主要成果:
- 在语义细分方面,D-Former实现了67.5%的欧盟交叉点 (mIoU) 的平均值.
- 尽管出现遮蔽和深度变化,但表现强.
- 与最先进的模型相比,提供了对细分精度的全面分析.
结论:
- StructScan3D v1 作为一个有价值的资源,用于推进室内场景重建,机器人技术和增强现实.
- 该数据集为未来的扩展和精细注释奠定了基础.
- 弥合了深度学习细分和现实世界BIM应用之间的差距.
