ZAHA|点云数据数据集|建筑立面分析数据集

ZAHA是目前最大的用于点云立面语义分割的基准数据集，包含601百万个标注点，引入了立面泛化级别（LoFG），支持对建筑立面的层次理解，涵盖多种建筑风格，并提供本地和全球（即UTM）坐标参考系统。

原始信息汇总

ZAHA 数据集概述

数据集简介

ZAHA 数据集是目前最大的用于点云立面语义分割的基准数据集。

数据集亮点

• 601 百万个标注点
• 引入 LoFG（立面泛化级别），支持立面的层次化理解
• 包含多种建筑风格
• 提供本地和全局（即 UTM）坐标参考系统
• 文件名指向巴伐利亚官方 CityGML LoD2 建筑模型
• 提供设置文件用于添加自定义数据

立面语义分割结果

LoFG2 结果

模型	OA	P	R	F1	IoU
PointNet	71.9	69.6	68.1	68.1	55.8
PointNet++	75.5	73.0	73.0	72.6	59.8
Point Transformer	78.2	75.8	76.6	76.1	63.9
DGCNN	82.6	80.0	81.8	80.4	68.5

LoFG3 结果

模型	OA	P	R	F1	IoU
PointNet	59.9	46.1	42.2	38.7	26.4
PointNet++	66.4	37.8	35.9	34.8	25.6
Point Transformer	75.0	52.7	54.7	52.1	41.6
DGCNN	71.1	53.6	45.8	44.5	33.4

数据集下载

• 下载链接
• 密码: zahahadid

引用

plain @article{wysockietalZAHA, author = {Wysocki, O. and Tan, Y. and Froech, T. and Xia, Y. and Wysocki, M. and Hoegner, L. and Cremers, D. and Holst Ch.}, title = {ZAHA: Introducing the Level of Facade Generalization and the Large-Scale Point Cloud Facade Semantic Segmentation Benchmark Dataset}, booktitle = {Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)}, year = {2025},

AI搜集汇总

数据集介绍

构建方式

ZAHA数据集的构建基于对601百万个点云数据的精细标注，这些数据涵盖了多种建筑风格。通过引入LoFG（Level of Facade Generalization）概念，ZAHA实现了对建筑立面层次化理解的支持。数据集不仅包括本地坐标系，还提供了全球UTM坐标系，确保了数据的多维度应用。此外，数据集的文件名直接关联到巴伐利亚官方CityGML LoD2建筑模型，增强了数据的可追溯性和实用性。

特点

ZAHA数据集以其庞大的规模和精细的标注著称，是目前最大的立面语义分割点云基准。其独特之处在于引入了LoFG概念，使得数据能够支持建筑立面的层次化分析。此外，数据集提供了本地和全球坐标系，增强了其在不同应用场景中的适应性。文件名与官方CityGML模型的直接关联，进一步提升了数据集的实用价值和研究深度。

使用方法

ZAHA数据集适用于各种基于点云的建筑立面语义分割任务。用户可以通过提供的设置文件轻松添加自己的数据，进行扩展研究。数据集的下载链接和相关论文提供了详细的使用指南和技术支持。通过对比不同算法（如PointNet、PointNet++、Point Transformer和DGCNN）在LoFG2和LoFG3级别的性能，用户可以评估和优化自己的模型。ZAHA数据集的开源性质和丰富的文档支持，使其成为建筑信息建模和计算机视觉领域的重要资源。

背景与挑战

背景概述

ZAHA数据集，由Wysocki等人于2025年创建，是迄今为止最大的建筑立面语义分割点云基准。该数据集由慕尼黑工业大学（TUM）的研究团队主导开发，旨在解决建筑立面点云数据的语义分割问题。ZAHA数据集包含了601百万个标注点，涵盖多种建筑风格，并引入了立面泛化级别（LoFG）概念，以实现对立面的层次理解。该数据集不仅在本地和全球坐标参考系统中提供数据，还与巴伐利亚官方CityGML LoD2建筑模型关联，极大地推动了建筑信息建模（BIM）和计算机视觉领域的研究进展。

当前挑战

ZAHA数据集在构建过程中面临多重挑战。首先，大规模点云数据的标注工作极为复杂，需要高度专业化的工具和大量人力投入。其次，不同建筑风格的立面结构差异巨大，如何实现对这些多样性结构的统一语义分割是一个技术难题。此外，数据集的全球坐标参考系统与本地系统的转换，以及高度变换的处理，增加了数据处理的复杂性。最后，尽管ZAHA数据集在多个模型上的表现已有显著成果，但如何在不同泛化级别下保持高精度的分割结果，仍是未来研究的重要方向。

常用场景

经典使用场景

ZAHA数据集在建筑信息建模（BIM）和城市规划领域中，以其庞大的点云数据和精细的语义分割标注，成为研究立面语义分割的标杆。通过ZAHA，研究人员能够深入分析不同建筑风格的立面结构，实现从局部到全局的立面理解，为建筑设计与城市规划提供精确的数据支持。

衍生相关工作

基于ZAHA数据集，许多研究工作得以展开，如PointNet、PointNet++、Point Transformer和DGCNN等模型在立面语义分割中的应用。这些工作不仅验证了ZAHA数据集的高质量，还推动了点云处理技术在建筑领域的进一步发展，为后续研究提供了丰富的实验基础和理论支持。

数据集最近研究

最新研究方向

ZAHA数据集作为迄今为止最大的立面语义分割点云基准，其最新研究方向主要集中在提升点云处理技术在复杂建筑立面分析中的精确度和泛化能力。研究者们通过引入LoFG（Level of Facade Generalization）概念，探索了立面层次化理解的深度学习模型优化。这一方向不仅有助于提高建筑信息提取的准确性，还为城市规划和文化遗产保护提供了新的技术支持。此外，ZAHA数据集的广泛应用也促进了多模态数据融合和跨领域合作，推动了计算机视觉在智能城市和建筑设计中的前沿应用。