无限：为城市街景生成照片级真实合成数据以用于物体检测
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了在密集城市街景中实现高精度物体检测所需的大规模真实数据采集和人工标注的难题。提出的Boundless系统通过Unreal Engine 5自动生成可配置的合成数据，显著提高了在多种光照和场景条件下的3D边界框收集精准度。实验结果表明，使用Boundless生成的数据训练的模型在真实数据集上的性能提升达7.8 mAP，验证了合成数据生成作为城市场景物体检测模型训练的重要方法。
该方法通过动态合成大规模场景生成城市风景全景长序列视图。与其他方法相比，该方法可以扩展到更长的摄像机轨迹，跨越数个城市街区，同时保持视觉质量和一致性。该方法使用自回归框架进行建模，并引入了一种新的时间插补方法，使得生成的城市视图不会偏离现实城市图像的分布。该系统使用Google Street View的姿势图像和上下文地图数据进行训练，用户可以根据任何期望的城市布局和可控制的摄像机姿势生成城市视图。
