Objectron

Objectron

3D对象姿态标注短视频数据集

Objectron数据集包含短视频片段,每个片段提供详细的3D对象姿态标注信息。数据集包括15,000个标注视频和4百万个标注图像,涵盖自行车、书籍、瓶子、相机、谷物盒子、椅子、杯子、笔记本电脑和鞋子等类别。数据集支持TensorFlow和PyTorch等深度学习框架,并提供用于3D物体检测的解决方案。数据采集自全球10个国家,确保了地理多样性。

Objectron3D物体检测视频数据集人工智能MediaPipeGithub开源项目

Objectron 项目介绍

Objectron 是一个独特而强大的数据集,专注于短视频片段中的物体姿态标注。这个项目由谷歌研究团队开发,旨在推进计算机视觉和增强现实(AR)技术的发展。

数据集概览

Objectron 数据集包含了15,000个带注释的短视频片段,以及超过400万张带注释的图像。这些数据涵盖了9个不同类别的物体,包括自行车、书籍、瓶子、相机、麦片盒、椅子、杯子、笔记本电脑和鞋子。为了确保地理多样性,数据收集自五大洲的10个国家。

独特之处

每个视频片段都以物体为中心,摄像机围绕物体移动,从不同角度捕捉其形态。除了高分辨率图像外,数据集还提供了丰富的元数据,包括:

  • 相机姿态
  • 稀疏点云
  • 周围环境的平面特征
  • 手动标注的3D边界框

这些3D边界框精确描述了物体的位置、方向和尺寸,为研究人员提供了宝贵的信息。

应用价值

基于Objectron数据集,研究人员已经开发出了针对鞋子、椅子、杯子和相机四个类别的3D物体检测解决方案。这些模型通过MediaPipe(谷歌的开源跨平台ML解决方案框架)发布,可用于实时和流媒体应用。

数据格式与访问

数据存储在谷歌云存储的objectron存储桶中,提供多种格式以满足不同需求:

  • 原始视频序列
  • 注释标签(包含3D边界框信息)
  • AR元数据
  • 处理过的数据集(适用于TensorFlow和PyTorch等框架)

研究人员还提供了支持脚本,用于评估、数据加载和可视化,以及用于在谷歌云基础设施上处理数据集的Apache Beam作业。

教程与支持

为了帮助研究人员和开发者快速上手,项目提供了一系列详细的教程,涵盖了数据下载、解析、加载和评估等方面。这些教程支持多种常用框架,如TensorFlow、PyTorch和JAX。

开放与合作

Objectron数据集在Computational Use of Data Agreement 1.0 (C-UDA-1.0)许可下发布,鼓励学术界和工业界的广泛使用和合作。研究人员可以通过电子邮件或加入邮件列表与项目团队交流。

通过提供这个丰富、多样化的数据集,Objectron项目为计算机视觉和AR领域的研究与应用开辟了新的可能性,有望推动相关技术的快速发展和创新。

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