Titelaufnahme

Titel
Games with a purpose - improving 3D model and land cover data using crowdsourcing / von Florian Felberbauer
VerfasserFelberbauer, Florian
Begutachter / BegutachterinWimmer, Michael ; Sturn, Tobias
Erschienen2012
UmfangVI, 87 Bl. : Ill., graph. Darst., Kt.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2012
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)Crowdsourcing / Social Games / Land Cover Daten / 3D-Modell-Annotationen
Schlagwörter (EN)Crowdsourcing / Social Games / Land Cover Data / 3D-Model Annotation
URNurn:nbn:at:at-ubtuw:1-49074 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Games with a purpose - improving 3D model and land cover data using crowdsourcing [20.15 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Eine Vielzahl von 3D-Modell-Datenbanken ist im Internet verfügbar, doch Annotationen der Modelle sind oft mehrdeutige, vage oder zu speziell. Doch neben 3D-Modellen können auch Fernerkundungsdaten mehrdeutig sein. Diese Arbeit konzentriert sich auf die Lösung der genannten Probleme.

Menschen sind begabt im Erkennen und Klassifizieren von Bildern, aber auch von 3D-Modellen, während dies auch heutzutage noch schwierig für Computersysteme ist. Aus diesem Grund bedient sich diese Arbeit dem Konzept des Crowdsourcings. Ein Spiel wurde entwickelt, das Crowdsourcing und Elemente von Social Games miteinander verbindet. Das Spiel besteht aus mehreren Runden, die den User durch die Annotierung von 3D Modellen und Bodenkarten führen. Ebenso wurde ein Level entwickelt, in dem User gegebene Bodenkarten mittels vordefinierten Kategorien klassifizieren, indem Karten mit den passenden Kategorien bemalt werden. Um möglichst viele User zu erreichen, wurde das Spiel ausschließlich mittels HTML5 und JavaScript entwickelt, um Limitierungen durch fehlende Plugins oder externe Player zu vermeiden und alle Systeme einschließlich mobiler Geräte zu unterstützen. Das Potential des Ansatzes wird anhand einer Userstudie demonstriert.

Die Ergebnisse zeigen, dass jene Annotationen mit den höchsten Übereinstimmungen gute Deskriptoren für die zugrundeliegenden 3D-Modelle und Bodenkarten darstellen. Die Analyse der durch Userzeichnungen gewonnenen Daten zeigen ebenfalls sehr gute Resultate. Der Großteil der Karten wurde korrekt klassifiziert und sogar die Verteilung der verschiedenen Arten von Bodenbedeckungen spiegelt sich in den Ergebnissen wider. Die durch diese Arbeit gewonnenen Erkennntisse tragen zum laufenden Projekt "Landspotting" bei, das im Folgenden näher erläutert wird.

Zusammenfassung (Englisch)

A variety of 3D-model databases are available on the internet, but model annotations often are ambiguous, vague or too specialized.

Besides 3D-model annotations, remote sensing data can be ambiguous too.

Consequently, this thesis aims at tackling both problems. The task of recognizing and classifying images and 3D-models is easy to solve for humans, but even today rather hard for computer systems. For that reason, this thesis makes use of the concepts of crowdsourcing. A game has been implemented that unifies crowdsourcing and social games mechanics. This game consists of game-rounds which lead the user through the process of annotating 3D-models as well as land cover data. Also, a drawing round has been implemented to enable the user to classify a given land cover area using a pre-defined set of categories. To reach as many users as possible, the game has been implemented using only HTML5 and JavaScript to circumvent limitations due to missing plugins or external players and to support all systems, including mobile devices. The potential of the approach is demonstrated on the basis of a user study. The results show that the annotations with the highest frequency are good descriptors for the underlying 3D-models as well as for the land cover maps. Analyzing the user paintings also shows very good results. The majority of maps were classified correctly and even the distribution of categories over the maps are correct to a high degree.

These insights contribute to the ongoing "Landspotting" project, which is further explained in this thesis.