504 лазерных скана реальных строек с ручной разметкой — датасет, который учит нейросети видеть стройплощадку неидеальной
Исследователи выложили в открытый доступ датасет Rohbau3D-Semantics: 504 облака точек (лазерных скана) с 14 реальных строительных площадок на этапе возведения коробки. Каждый элемент вручную размечен — стены, колонны, балки, проёмы и ещё 13 классов. В отличие от синтетических моделей, которые часто используют для обучения нейросетей, здесь — настоящая стройка с шумами, отражениями и неравномерной плотностью точек, как в реальном лазерном сканировании.
Для архитектора это прямой шаг к автоматическому контролю строительства. Сегодня, чтобы проверить, соответствует ли черновая стройка проекту (BIM), нужно вручную накладывать сканы на модель. Датасет даёт базу для обучения нейросетей, которые смогут делать это сами: приехал сканер, просканировал площадку — и вы получите карту отклонений «колонна смещена, балка не залита, проём заложен». Потенциально это сокращает объём авторского надзора и снижает риск пропустить брак.
Правда, выборка пока невелика — 504 сцены, и все с этапа коробки. Отделки, фасадов, инженерных сетей в датасете нет. Так что до готового коммерческого приложения далеко. Но как бенчмарк для сравнения алгоритмов — это реалистичный полигон, который приходит на смену синтетическим тестам, где «всё идеально ровно».
Текст подготовлен ИИ по материалу первоисточника.
Сигнал
Появляется репрезентативный датасет реальных строек с ручной разметкой. Без него обучение распознаванию конструкций на сканах было игрой в поддавки — теперь можно объективно оценивать качество алгоритмов.
Шум
14 стройплощадок и 504 сцены — этого мало для обучения универсальной модели, но достаточно, чтобы задать стандарт проверки. Датасет полезен как тестовый полигон, а не как тренировочный ко́рпус.
Термины из этой записи