Toronto-3D：都市道路のセマンティックセグメンテーションを目的とした大規模モバイルLiDARデータセット

大規模な屋外点群データにおける意味的セグメンテーションは、自動運転や都市用高精細（HD）マッピングを含むさまざまな応用分野における都市シーン理解に不可欠である。モバイルレーザースキャニング（MLS）システムの急速な発展に伴い、シーン理解に利用可能な大量の点群データが得られるようになったが、学習ベースの手法を開発する上で不可欠な公開可能な大規模ラベル付きデータセットは依然として限られている。本論文では、カナダ・トロントでMLSシステムを用いて取得された大規模な都市外点群データセット「Toronto-3D」を紹介する。このデータセットは約1kmにわたる点群をカバーしており、約7830万点の点群データを含み、8種類のラベル付きオブジェクトクラスを有している。意味的セグメンテーションのためのベースライン実験を実施した結果、このデータセットが深層学習モデルの効果的な学習に適していることが確認された。Toronto-3Dは、新たな研究を促進する目的で公開されるものであり、研究コミュニティからのフィードバックをもとにラベルの改善・更新を継続的に行う予定である。