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

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

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。

下拉加载更多