ARKitScenes

ARKitScenes

革新3D室内场景理解的大规模数据集

ARKitScenes是一个创新的3D室内场景理解数据集,利用移动RGB-D技术捕获数据。作为首个采用广泛可用深度传感器的RGB-D数据集,它涵盖了1,661个独特场景的5,047次捕获。数据集提供原始和处理后的数据、高分辨率深度图及手动标注的3D定向边界框。此外,项目还包含3D物体检测和RGB-D引导上采样的辅助脚本,为推进室内场景理解技术和应对真实世界挑战提供了宝贵资源。

ARKitScenes3D室内场景理解RGB-D数据集深度传感器家具标注Github开源项目

ARKitScenes

本仓库配套研究论文《ARKitScenes - 使用移动RGB-D数据的多样化真实世界3D室内场景理解数据集》,包含了论文中描述的数据、可视化和处理资产的脚本以及训练代码。

图片

图片

论文

ARKitScenes - 使用移动RGB-D数据的多样化真实世界3D室内场景理解数据集

使用这些数据或源代码时,请引用

@inproceedings{ dehghan2021arkitscenes, title={{ARK}itScenes - A Diverse Real-World Dataset for 3D Indoor Scene Understanding Using Mobile {RGB}-D Data}, author={Gilad Baruch and Zhuoyuan Chen and Afshin Dehghan and Tal Dimry and Yuri Feigin and Peter Fu and Thomas Gebauer and Brandon Joffe and Daniel Kurz and Arik Schwartz and Elad Shulman}, booktitle={Thirty-fifth Conference on Neural Information Processing Systems Datasets and Benchmarks Track (Round 1)}, year={2021}, url={https://openreview.net/forum?id=tjZjv_qh_CE} }

概述

ARKitScenes不仅是第一个使用现在广泛可用的深度传感器捕获的RGB-D数据集,而且是迄今为止收集的最大的室内场景理解数据集。除了原始和处理后的数据,ARKitScenes还包括使用固定激光扫描仪捕获的高分辨率深度图,以及大量家具分类的手动标注的3D定向边界框。我们还为两个下游任务提供了辅助脚本:3D物体检测和RGB-D引导上采样。我们希望我们的数据集能够推动现有最先进方法的边界,并引入更好地代表真实世界场景的新挑战。

主要特点

• ARKitScenes是第一个使用广泛可用的Apple LiDAR扫描仪捕获的RGB-D数据集。除了原始数据,我们还为每个场景提供相机姿态和表面重建。

• ARKitScenes是最大的室内3D数据集,包含1,661个独特场景的5,047次捕获。

• 我们提供高质量的地面真实数据,包括(a)配准的RGB-D帧和(b)房间定义对象的定向边界框。

下面是RGB-D数据集及其地面真实数据资产与ARKitScenes的比较概览。 HR和LR分别代表高分辨率和低分辨率,可用于841个独特场景的2,257次捕获的子集。

图片

数据收集

在下图中,我们提供了(a)iPad Pro扫描设置的示意图。(b)辅助iPad Pro数据收集的网格叠加。(c)使用iPad Pro捕获的扫描模式示例之一,红色标记显示了该房间中固定激光扫描仪的选定位置。

图片

数据下载

要下载数据,请参照数据文档

任务

这里我们提供了论文中提到的两个任务,即3D物体检测(3DOD)和深度上采样。

3DOD

深度上采样

许可

ARKitScenes数据集根据知识共享署名-非商业性使用-相同方式共享4.0国际公共许可证授权。要查看此许可证的副本,请访问https://creativecommons.org/licenses/by-nc-sa/4.0/。 关于商业许可的查询,请联系ARKitScenes-license@group.apple.com 如果您有任何其他问题,请在仓库中提出issue并联系ARKitScenes@group.apple.com

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多