本論文では、SHREC 2022における道路舗装の凹み（ポットホール）および亀裂検出トラックに提出された手法の評価方法について述べる。道路表面のセマンティックセグメンテーションに関して、参加者からの6つの手法とベースライン手法を含む、合計7つの異なる実行結果が比較されている。すべての手法はディープラーニング技術を活用しており、同一の環境（すなわち、単一のJupyterノートブック）を用いて性能評価が行われた。参加者には、最新の深度カメラを用いて収集された3,836枚のセマンティックセグメンテーション用画像/マスクペアと、797本のRGB-D動画クリップから構成される学習データセットが提供された。その後、手法の評価は検証データセットの496枚の画像/マスクペア、テストデータセットの504枚のペア、および8本の動画クリップを用いて行われた。結果の分析は、画像セグメンテーションに対する定量的指標と、動画クリップに対する定性的な評価に基づいている。参加状況および得られた結果から、この課題領域は極めて注目すべきものであることが示されるとともに、RGB-Dデータの活用がこの文脈において依然として高い技術的課題であることが明らかになった。