GTA-V satellite imagery dataset (GTA-V-SID)

我们介绍了一个基于著名视频游戏《侠盗猎车手V》(GTA-V)的遥感图像分割合成数据集。该数据集用于语义分割和域适应，可以从Google Drive和BaiduYun下载。数据集基于GTA-V的高分辨率地图（Los Santos），尺寸为3000x3000像素，分辨率约为1.0米/像素。数据集提供两种格式：3000x3000卫星地图和500x500切片，共有121个切片。

We introduce a synthetic dataset for remote sensing image segmentation based on the renowned video game 'Grand Theft Auto V' (GTA-V). This dataset is designed for semantic segmentation and domain adaptation, and is available for download from Google Drive and BaiduYun. The dataset is derived from the high-resolution map of Los Santos in GTA-V, with dimensions of 3000x3000 pixels and a resolution of approximately 1.0 meter per pixel. It is provided in two formats: 3000x3000 satellite maps and 500x500 tiles, totaling 121 tiles.

原始信息汇总

GTA-V卫星影像数据集（GTA-V-SID）概述

数据集描述

• 来源：基于知名视频游戏《侠盗猎车手V》（GTA-V）的合成遥感图像分割数据集。
• 用途：用于语义分割和域适应。

数据集下载

• Google Drive：链接
• BaiduYun：链接（提取码：03r9）

数据集特征

• 地图尺寸：3000x3000像素
• 分辨率：约1.0米/像素
• 图像切片尺寸：500x500像素
• 图像切片数量：121

数据集格式

• 格式一：3000x3000卫星地图
• 格式二：500x500切片，图像切片有250像素的重叠

数据集示例

• 图像切片及对应地面实况：示例图像

引用信息

• 详细信息：请参考论文《Do Game Data Generalize Well for Remote Sensing Image Segmentation?》

• 引用格式：

  @article{zou2020game, title={Do Game Data Generalize Well for Remote Sensing Image Segmentation?}, author={Zou, Zhengxia and Shi, Tianyang and Li, Wenyuan and Zhang, Zhou and Shi, Zhenwei}, journal={Remote Sensing}, volume={12}, number={2}, pages={275}, year={2020}, publisher={Multidisciplinary Digital Publishing Institute} }

搜集汇总

数据集介绍

构建方式

该数据集基于著名视频游戏《侠盗猎车手V》（GTA-V）构建，专注于从空中视角生成合成卫星图像，用于遥感图像的语义分割和领域适应研究。数据集的构建过程包括从游戏的高分辨率地图中提取3000x3000像素的城市区域，并进行手动像素级标注，以生成建筑区域的地面实况。此外，数据集提供了两种格式：3000x3000像素的卫星地图和500x500像素的切片，后者通过250像素的重叠进行裁剪，以确保数据的连续性和完整性。

特点

GTA-V-SID数据集的显著特点在于其高分辨率和精细的标注质量，这使其在遥感图像分割任务中具有独特的优势。与以往专注于第一人称视角的合成数据集不同，该数据集从空中视角捕捉城市细节，提供了更为广阔和全面的视野。此外，数据集的切片设计允许研究人员在不同尺度上进行分析，增强了其在多尺度任务中的适用性。

使用方法

使用该数据集时，研究人员可以下载完整的3000x3000像素卫星地图或500x500像素的切片，根据研究需求选择合适的格式。数据集的地面实况标注为语义分割任务提供了精确的参考，有助于模型的训练和评估。此外，数据集的切片设计允许研究人员在不同区域和尺度上进行实验，从而探索更广泛的遥感图像处理应用。

背景与挑战

背景概述

近年来，随着遥感技术的飞速发展，合成数据集在图像分割和领域适应研究中扮演着越来越重要的角色。GTA-V卫星影像数据集（GTA-V-SID）正是在这一背景下应运而生，由Tianyang Shi和Zhengxia Zou两位研究人员主导创建。该数据集基于广受欢迎的电子游戏《侠盗猎车手V》（GTA-V），通过提取游戏中的高分辨率地图，构建了一个用于遥感图像语义分割和领域适应的合成数据集。GTA-V-SID不仅提供了从空中视角渲染的卫星影像，还包含了详细的像素级建筑区域标注，为研究者提供了一个全新的数据资源，推动了遥感图像处理技术的发展。

当前挑战

尽管GTA-V-SID在遥感图像分割领域展现了其独特的价值，但其构建过程中仍面临诸多挑战。首先，从游戏地图中提取高分辨率影像并进行像素级标注，需要耗费大量的人力和时间。其次，由于数据集来源于虚拟环境，其与真实世界遥感图像的差异性可能导致模型在实际应用中的泛化能力受限。此外，数据集的规模和多样性相对有限，可能不足以覆盖所有实际应用场景。因此，如何有效利用这一合成数据集，同时克服其固有的局限性，是当前研究面临的主要挑战。

常用场景

经典使用场景

在遥感图像分割与领域适应研究中，GTA-V卫星影像数据集（GTA-V-SID）展现了其独特的价值。该数据集基于知名视频游戏《侠盗猎车手V》（GTA-V）中的虚拟城市Los Santos构建，提供了从空中视角渲染的高分辨率卫星图像。这些图像不仅覆盖了超过100平方公里的区域，还包含了前所未有的细节，为研究人员提供了一个高度逼真的合成数据环境，用于训练和验证语义分割模型。

衍生相关工作

GTA-V-SID数据集的发布催生了一系列相关研究工作。例如，有研究者利用该数据集进行深度学习模型的训练，提出了多种改进的语义分割算法。此外，该数据集还被用于探索合成数据与真实数据之间的领域适应问题，推动了领域适应理论的发展。这些研究不仅丰富了遥感图像分割领域的理论基础，也为实际应用提供了新的技术手段。

数据集最近研究

最新研究方向

近年来，GTA-V卫星影像数据集（GTA-V-SID）在遥感图像分割和领域自适应研究中展现出显著的前沿性。该数据集基于广受欢迎的视频游戏《侠盗猎车手V》（GTA-V），通过从空中视角渲染的卫星影像，为研究人员提供了一个高度详细且多样化的合成数据源。与以往专注于第一人称视角的街景图像数据集不同，GTA-V-SID的独特之处在于其从空中视角捕捉的城市细节，这为遥感图像的语义分割和领域自适应提供了新的可能性。研究者们正利用这一数据集探索如何将游戏数据应用于实际的遥感任务中，以提高模型的泛化能力和适应性。此外，该数据集的引入也促进了合成数据与真实数据之间的对比研究，推动了遥感图像处理技术的进步。