3d

Dans un précédent article, nous avons eu l’occasion de découvrir KPConv_torch, l’outil de segmentation sémantique 3D exploité dans le cadre d’IASBIM. Ce nouvel article va être l’occasion de présenter des résultats concrets obtenus en utilisant cette bibliothèque Python. Rappel: la nomenclature S3DIS Les résultats présentés dans cet article exploitent un modèle entraîné à partir du jeu de données S3DIS. Ce jeu de données est constitué de 13 classes : plafond sol mur colonne poutre fenêtre porte table chaise bibliothèque canapé tableau divers Les couleurs associées à ces différentes classes sont les suivantes, elles sont directement définies par le producteur du jeu de données : [Lire]

Le sujet de la segmentation sémantique 3D, comme on l’a vu dans un précédent article, est de plus en plus riche à mesure que de nouveaux modèles viennent enrichir l’état de l’art scientifique. L’enjeu pour le projet IASBIM était l’exploitation de l’un de ces modèles pour produire des nuages de points sémantisés, i.e. dont les points sont affectés à une classe au sein d’une nomenclature dépendant de la nature du problème traité. [Lire]