Hyperspectral City

我们利用新开发的高光谱相机为城市自动驾驶场景提出了语义分割挑战。动机是为了弥补现有数据集视觉质量不足的问题。特别是，CityScape 数据集仅提供极度褪色的 RGB 图像。为了解决这个问题，我们努力提出采用多通道视觉输入的新数据集。我们的新数据集可以提供以下好处： 1. 适当平衡且色彩丰富的视觉输入。 2.我们可以分析和看到RGB通道看不到的视觉属性。 3. 借助近红外波段，我们可以稳健地处理夜景。 4. 由于红外波段的绝对行为，我们可以鲁棒地处理包括雨和雾在内的水现象。

We propose a semantic segmentation challenge for urban autonomous driving scenarios using a newly developed hyperspectral camera. The motivation is to address the insufficient visual quality issue of existing datasets. Specifically, the Cityscapes dataset only provides extremely faded RGB images. To resolve this limitation, we introduce a novel dataset equipped with multi-channel visual inputs. Our new dataset offers the following key benefits:
1. Properly balanced and color-rich visual inputs
2. The ability to analyze and perceive visual attributes that are undetectable in standard RGB channels
3. Robust nighttime scene processing enabled by near-infrared bands
4. Effective and robust handling of water-related phenomena including rain and fog, leveraging the distinct spectral characteristics of infrared bands

搜集汇总

背景与挑战

背景概述

Hyperspectral City是一个用于城市自动驾驶场景语义分割的高光谱数据集，旨在弥补现有数据集视觉质量不足的问题。该数据集提供多通道视觉输入，能够处理夜景和水现象，具有色彩丰富、鲁棒性强等特点。