FlatLands发布单视角室内地面图补全数据集与基准
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
最新进展11月4日 13:00
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报道时间线
沿着报道,了解事件的不同侧面。
11月4日
- 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。