作者丨Qingyong Hu
编辑丨3D视觉工坊
Introduction
我们周围的3D世界是由各种各样的物体组成的:建筑、桥梁、树木、汽车、河流等等,每一个都有不同的外观、形态和功能。赋予机器精确分割和理解不同物体的能力,是让机器能够有效地参与到物理世界互动的基础。这对于机器人导航、自动驾驶,以及大规模城市3D建模,智慧城市规划和管理等实际应用也至关重要。
在过去的几年里,3D点云理解技术的取得了显著的进步。然而,大部分方法还是针对小规模的点云进行处理,对于超大规模(城市级别)的点云的语义理解,仍然非常具有挑战性。
我们在ICCV2021举办的首届城市级别大规模点云语义理解挑战赛(Urban3D)旨在为超大规模点云的三维语义分割建立一个新的基准。具体来说,我们采用我们在CVPR'2021中提出的SensatUrban数据集,该数据集包含了英国多个城市的大型区域。凭借逐点注释的高质量和语义类别的多样化分布,我们希望通过这次挑战赛在SensatUrban数据集中探索一些关键的研究问题和3D语义学习的一些新方向,激发智慧城市(smart cities)、数字孪生(digital twins)、自动驾驶(autonomous driving)、自动化资产管理(automated asset management)等应用的创新。
Challenges
本届挑战赛在Codalab平台上主办,详细内容可在如下网页找到:
SensatUrban dataset:
http://point-cloud-analysis.cs.ox.ac.uk/
SensatUrban API:
https://github.com/QingyongHu/SensatUrban
Codalab Urban3D Challenge:
https://competitions.codalab.org/competitions/31519
评价指标:Overall Accuracy (OA) 以及mean Intersection-over-Union (mIoU)
Important Dates
Invited Keynote Speakers
Organizers
General Tips
·请使用学校邮箱或者公司邮箱注册参赛
·每位参赛者最多提交5次结果
·参赛论坛地址:https://competitions.codalab.org/forums/28215/
·提交格式如下
请提交测试集数据的标签文件,压缩包的数据结构应如下:
参赛者可以使用SensatUrban API github.com/QingyongHu/S的验证脚本,确保zip文件中的文件夹结构和标签文件数量是无误的。
请同时包含一个description.txt文件(optional),包含以下内容:
description.txt是目前我们获取关于该方法的原始信息的唯一方法。所有信息都是可选的,如果您需要匿名,可将description.txt留空。
ps: 欢迎大家积极参加我们的挑战赛,每位成功参赛的选手都有机会收到我们挑战赛的证书~挑战赛的冠军还将会有超值大奖(~10000RMB)!!
本文仅做学术分享,如有侵权,请联系删文。