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：

​​zip  
├── description.txt (optional)
├── birmingham_block_2.label
├── birmingham_block_8.label
├── cambridge_block_15.label
├── cambridge_block_16.label
├── cambridge_block_22.label
└── cambridge_block_27.label​​

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:

·method name:
·method description:
·project url:
·publication url:
·bibtex:
·organization or affiliation:
·email:

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。