ScanNet: Richly-annotated 3D Reconstructions of Indoor Scenes
摘要 利用監督的深度學習方法的關鍵要求是大型，標記數據集的可用性。 不幸的是，在瞭解RGB-D場景的情況下，幾乎沒有可用的數據–當前的數據集覆蓋了一小部分場景視圖，並且語義註釋有限。 爲解決此問題，我們引入了ScanNet，它是一個包含15M場景中的2.5Mviews的RGB-Dvideo數據集，並帶有3D相機姿勢，表面重建和語義分割。 爲了收集這些數據，我們設計了一個易於使用且可擴展的RGB-D
相關文章
- 1. 3D Semantic Parsing of Large-Scale Indoor Spaces
- 2. Let There Be Color! Large-Scale Texturing of 3D Reconstructions 閱讀筆記
- 3. Target-driven Visual Navigation in Indoor Scenes using Deep Reinforcement Learning學習筆記
- 4. Target-Driven Visual Navigation In Indoor Scenes Using DRL 講解
- 5. Pushing state-of-the-art in 3D content understanding
- 6. 點雲深度學習的Pytorch框架
- 7. 泡泡一分鐘:SceneCut: Joint Geometric and Object Segmentation for Indoor Scenes
- 8. 在室內場景未知物體的rgbd 顯着性的引導(Saliency-Guided Detection of Unknown Objects in RGB-D Indoor Scenes)
- 9. 【論文整理】Point Cloud Dataset
- 10. 論文筆記：3D indoor scene modeling from RGB-D data
- 更多相關文章...
- • XSLT
- • XSLT
- • 互聯網組織的未來：剖析GitHub員工的任性之源
- • JDK13 GA發佈：5大特性解讀
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 3D Semantic Parsing of Large-Scale Indoor Spaces
- 2. Let There Be Color! Large-Scale Texturing of 3D Reconstructions 閱讀筆記
- 3. Target-driven Visual Navigation in Indoor Scenes using Deep Reinforcement Learning學習筆記
- 4. Target-Driven Visual Navigation In Indoor Scenes Using DRL 講解
- 5. Pushing state-of-the-art in 3D content understanding
- 6. 點雲深度學習的Pytorch框架
- 7. 泡泡一分鐘:SceneCut: Joint Geometric and Object Segmentation for Indoor Scenes
- 8. 在室內場景未知物體的rgbd 顯着性的引導(Saliency-Guided Detection of Unknown Objects in RGB-D Indoor Scenes)
- 9. 【論文整理】Point Cloud Dataset
- 10. 論文筆記：3D indoor scene modeling from RGB-D data