跳到正文
具身前沿
热点事件持续更新

FlatLands发布单视角室内地面图补全数据集与基准

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Subhransu S. Bhattacharjee、Dylan Campbell 与 Rahul Shome 发布 FlatLands,一个面向单视角室内地面图补全的数据集与基准,在度量鸟瞰图(BEV)下评测十一个确定性及生成式模型。数据集含来自六个度量 3D 数据集的 270,575 条观测、17,656 条场景记录,配有对齐的观测、可见性、有效性与真值图,并设分布内与分布外协议。论文标注为审稿中。 作者在共享的几何导出输入上比较免训练、确定性、集成与生成式方法,并在不微调的情况下测试从真实自我中心 RGB 图像估计的地图。作者称,当多数评测单元为地面时,几乎处处预测地面即可获得较高 IoU;在合适的评分规则下,生成式样本集优于最佳单输出模型,并支持更安全的风险加权规划。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月4日
  1. arXiv · cs.RO精选
    FlatLands:从单张自我中心视角图像补全室内地面图的数据集与基准

    FlatLands 是面向单视角室内地面图补全的数据集与基准,在度量鸟瞰图(BEV)下评测十一个确定性及生成式模型。数据集包含来自六个度量 3D 数据集的 270,575 条观测、17,656 条场景记录,配有对齐的观测、可见性、有效性与真值图,并提供分布内与分布外协议。作者在共享的几何导出输入上比较免训练、确定性、集成与生成式方法,并在不微调的情况下测试从真实自我中心 RGB 图像估计的地图。结果显示,当多数评测单元为地面时,几乎处处预测地面即可获得较高 IoU;而在合适的评分规则下,生成式样本集优于最佳单输出模型,并支持更安全的风险加权规划。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。