航空LiDAR点群のセマンティックセグメンテーションに向けた空間認識型評価フレームワーク：困難な領域に対する距離ベースの指標
arXiv cs.CV / 2026/3/25
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、一般的なセマンティックセグメンテーション指標（mIoU、OA）は航空LiDARでは不十分であると主張する。これらはすべての誤分類を同等に扱うため、空間的に複雑な領域における性能差を見えにくくしてしまう可能性がある。
- 各誤りの幾何学的な重大度を、誤分類された点の位置を、予測クラスの最も近い正解点と比較することで測定する、距離ベースの評価指標を提案する。
- さらに、少なくとも1つの評価済みモデルによって誤分類された点だけをスコア化する「ハードポイント（hard-points）」評価も導入し、容易に分類できるサンプルが支配的になることを抑える。
- 3つの航空LiDARデータセットにおいて、3つの最先端（SOTA）深層学習モデルを比較する実験を行い、新しい指標が従来の指標では見落とされる地球観測タスクに関連する空間誤りパターンを明らかにすることを示す。
- 著者らは、このフレームワークが、デジタル地形モデルなどの下流の地理空間プロダクトで空間整合性が重要である場合に、より情報に基づいたモデル選択を支援すると主張する。
