VDD: 의미 분할을 위한 다양화 드론 데이터셋

드론 이미지의 의미 분할은 지상의 장면을 이해하는 데 필수적인 의미 정보를 제공하므로 다양한 항공 시각 작업에서 핵심적인 역할을 한다. 드론용 의미 분할 모델의 정확도를 보장하기 위해서는 다양한 종류의 대규모 고해상도 데이터셋에 접근할 수 있어야 하는데, 이는 항공 이미지 처리 분야에서 흔히 부족한 요소이다. 기존의 데이터셋은 주로 도시 환경을 중심으로 하며 규모가 작지만, 본 연구에서 제안하는 다양한 드론 데이터셋(VDD: Varied Drone Dataset)은 7개 클래스를 포함한 400장의 고해상도 이미지로 구성된 대규모이며 밀도 높은 레이블링 데이터셋을 제공함으로써 이러한 한계를 극복한다. 이 데이터셋은 도시, 산업, 농촌 및 자연 환경 등 다양한 장면을 다양한 카메라 각도와 다양한 조명 조건에서 촬영한 자료로 구성되어 있다. 또한 기존의 UDD 및 UAVid 데이터셋에 대해 새로운 레이블링을 수행하여 VDD의 annotation 기준에 통합함으로써 통합 드론 데이터셋(IDD: Integrated Drone Dataset)을 구축하였다. 본 연구에서는 드론 데이터셋을 기반으로 7종의 최신 상태(SOTA) 모델을 학습하여 기준 모델을 마련하였다. 본 데이터셋은 드론 이미지 분할 분야에 큰 관심을 불러일으킬 것으로 기대되며, 향후 드론 시각 작업의 기초 자료로 활용될 수 있을 것이다. 데이터셋은 공개적으로 제공되며, 다음 웹사이트에서 확인 가능하다: \href{our website}{https://github.com/RussRobin/VDD}.