건설 모니터링에 사용되는 컴퓨터 비전(CV) 시스템은 불리한 환경 및 시각적 조건에서 성능이 저하될 수 있으나, 기존 건설 이미지 데이터셋에서는 이러한 조건이 여전히 과소 대표되고 있습니다. 본 논문에서는 3,109개의 실제 소스 장면에서 파생된 34,199개의 이미지를 포함하는 쌍(paired) 형태의 합성 건설 현장 이미지 데이터셋인 ConSynth-X를 제시합니다. 이 데이터셋은 강수, 안개, 야간 조명, 야간 악천후, 소형 객체 또는 원거리 뷰를 아우르는 11개의 조건별 하위 집합으로 구성됩니다. 각 합성 이미지는 해당하는 소스 장면에 연결되어 있어 환경 및 시각적 조건 전반에 걸친 통제된 비교를 가능하게 합니다. ConSynth-X는 소스 기반 주석, 생성 메타데이터, 출처(provenance) 정보 및 이미지 품질 지표를 포함하여 객체 검출(object detection), 이미지 캡셔닝, 시각적 그라운딩(visual grounding), 시각적 질의응답(VQA)을 지원합니다. 기술적 검증(validation)에서는 임베딩(embedding) 기반 유사도 및 분포 분석을 사용하여 소스-합성 충실도와 실제 악조건 이미지와의 정렬(alignment)을 평가합니다. 이 데이터셋은 까다로운 현장 조건에서 건설 비전 및 비전-언어 모델의 강건성을 평가하고 개선하기 위한 체계적인 자원을 제공합니다.
건설 자동화는 대규모 프로젝트에서 비용과 인적 오류를 줄이는 데 필수적이다. 본 연구에서는 건설 현장의 변화를 탐지하는 관점에서 건설 진행 모니터링에 접근한다. 건설 중인 건물은 시간이 지남에 따라 기하학적 형태와 외관이 지속적으로 변화하므로, 임의의 카메라 시점에서 변화 탐지를 수행해야 한다. 이를 위해 건설 현장에서 다양한 카메라 시점에 걸쳐 견고하게 동작하는 2D 변화 탐지(2DCD) 알고리즘 개발이 필요하다. 이러한 시스템의 개발과 평가에는 대량의 데이터가 필요하지만, 2D 변화 탐지와 건설 자동화 연구의 교차점에서 활용 가능한 오픈소스 벤치마크 데이터셋은 현재 존재하지 않는다. 무인 항공기(UAV)를 이용한 데이터 수집은 실외 대규모 측량 분야에서 점점 더 주목받고 있다. 그러나 활성화된 건설 현장에서 고급 센서가 장착된 드론 임무를 수행하면 안전 문제가 발생한다. 비행 경로와 수집 가능한 카메라 시점이 크게 제한될 수 있다. 이러한 중요한 공백을 해결하기 위해, 우리는 밀집 LiDAR 포인트 클라우드로부터 합성 생성된 대규모 데이터셋인 iVISION-2DCD를 소개한다. 이 데이터셋은 사실적인 입력 이미지와 정확한 정답 어노테이션을 포함한다. 본 데이터셋은 건설 현장에서의 시점-강건 2DCD 문제를 공식적으로 정의하고, 실제 배포 환경의 본질적인 복잡성을 포착한다. 본 논문에서는 합성 데이터 생성을 위한 체계적인 방법론을 제시하며, 이중 시점 정렬 및 시점 다양성 문제를 극복하기 위한 새로운 뷰 합성 기법을 개발하고, 어려운 실세계 사례를 보존하면서 변화 레이블 생성을 포함한 반자동 의미론적 분할을 구현한다. 최신 2DCD 알고리즘을 이용한 벤치마크 평가를 통해 iVISION-2DCD가 컴퓨터 비전 및 로보틱스 커뮤니티에 새로운 연구 과제를 제시함을 보인다.