ECCVMar, 2022

TO-Scene：用于理解三维台面场景的大规模数据集

PDF
TL;DR为了更好地理解 3D 室内场景的表面活动（如吃饭或写字），我们介绍了 TO-Scene，这是一个着重于桌面场景的大型数据集，包含三个变体。我们设计了一个有效且可扩展的框架来获得数据，并提出了桌面感知学习策略，以更好地感知小型桌面实例。最重要的是，我们还提供了一个真实扫描测试集 TO-Real，以验证 TO-Scene 的实际价值。
tabletops3d indoor scene parsingdatasetcrowdsourcingobject detection
发现论文，激发创造
  • OCTScenes：一种用于目标中心学习的多功能真实世界桌面场景数据集

    本文介绍了一种为物体为中心学习方法提供多样性的真实场景数据集 ——OCTScenes，该数据集包含 5000 个桌面场景，并对静态、动态和多视角场景的物体为中心的表示学习方法进行评估。 实验证明，尽管基于复杂合成数据集的最新算法取得了显著进展，但它们存在从真实世界数据中学习有意义的表示的不足。

    Jun, 2023

  • FurniScene：一个包含复杂室内家具场景的大规模 3D 房间数据集

    提出了 FurniScene，该数据集包含 11698 个房间和 39691 个唯一的家具 CAD 模型，用于室内场景生成的评估基准，同时介绍了一种新的 Two-Stage Diffusion Scene Model（TSDSM）用于细粒度的室内场景布局生成，定量和定性评估表明了我们方法在生成高度逼真的室内场景方面的能力。

    Jan, 2024

  • 用于多视角三维重建的现实数据集

    本文介绍了一种包含近千个三维对象模型及超过 84 万个现实世界的 RGB 和深度图像数据集，旨在填补现有研究中缺乏的三维多视图重建的真实数据基准。该数据集通过半自动方式实现相机位置与物体姿态的精准标注，为形状重建、物体姿态估计、形状检索等 3D 应用提供了可能。数据集已开放，包含注释工具和评估基准源代码。

    Mar, 2022

  • InteriorNet: 大规模多传感器照片真实室内场景数据集

    本研究提供了一份可扩展性强、真实感更强、规模更大、变异性更强、且在训练和评估深度学习方法、基准测试同时定位和映射（SLAM）方面有更广泛用途的数据集，以支持计算机视觉领域的研究。我们使用数百万个专业室内设计和制作级家具资产进行高分辨率和高帧率视频序列渲染，并支持各种摄像头类型以及惯性测量。同时，我们展示了稀疏和密集 SLAM 算法的基准测试结果。

    Sep, 2018

  • ScanNet: 室内场景丰富注释的 3D 重建

    本文介绍了 ScanNet 数据集的构建，该数据集包含 2.5M 的视图和 1513 个场景，提供了 3D 摄像机姿势、表面重构和语义分割等信息，并表明使用此数据集可以在 3D 场景理解任务中实现最先进的性能。

    Feb, 2017

  • 使用合成数据理解现实世界室内场景的 SceneNet

    本文研究场景理解问题，通过使用计算机图形学生成合成 3D 场景，以解决手动收集大量数据问题，从而避免了收集数据的麻烦和昂贵成本。通过使用深度数据作为输入仅使用 RGB-D 系统的深度数据，我们在 NYUv2 数据集上的表现相当于最先进的 RGBD 系统，并在 SUN RGB-D 数据集上设置了基准。文章还探讨了生成合成图像或视频数据，以及分析影响性能增益的不同因素。

    Nov, 2015

  • 室内场景理解中的 2D-3D - 语义数据联合

    该文介绍了一个大规模室内空间数据集，其中包含 2D、2.5D 和 3D 接口的多种相互注册的模态，并具有实例级别的语义和几何注释。该数据集使得可以开发联合和跨模态学习模型，以及可能利用大规模室内空间中存在的规律性的无监督方法。

    Feb, 2017

  • 重新审视用于具有视觉丰富度文档的表格检测数据集

    本文提出了一种新的数据集 Open-Tables 和 ICT-TD，利用领域专家指导手动注释，清理了现有数据集中的噪声，并将注释定义进行了统一，结果表明这些新数据集更适合交叉领域设置，可提供高质量和一致性注释，更可靠地进行模型评估。

    May, 2023

  • MegaScenes：大规模场景级别视图合成

    通过从互联网照片收集中创建的大规模场景级数据集，我们分析了现有 NVN 方法的不足，并显著改善了生成一致性，验证了数据集和方法对于生成野外场景的有效性。

    Jun, 2024

  • SynTable: 针对杂乱台面场景中未见过的物体进行全貌实例分割的合成数据生成管道

    本文介绍了 SynTable，这是一个灵活的基于 Python 的数据集生成器，使用 NVIDIA 的 Isaac Sim Replicator Composer 生成高质量的合成数据集，用于深度学习和合成数据生成的研究。

    Jul, 2023