論文の概要: Multi-sensor large-scale dataset for multi-view 3D reconstruction
- arxiv url: http://arxiv.org/abs/2203.06111v1
- Date: Fri, 11 Mar 2022 17:32:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-14 12:21:28.704575
- Title: Multi-sensor large-scale dataset for multi-view 3D reconstruction
- Title(参考訳): マルチビュー3次元再構成のためのマルチセンサ大規模データセット
- Authors: Oleg Voynov, Gleb Bobrovskikh, Pavel Karpyshev, Andrei-Timotei
Ardelean, Arseniy Bozhenko, Saveliy Galochkin, Ekaterina Karmanova, Pavel
Kopanev, Yaroslav Labutin-Rymsho, Ruslan Rakhimov, Aleksandr Safin, Valerii
Serpiva, Alexey Artemov, Evgeny Burnaev, Dzmitry Tsetserukou, Denis Zorin
- Abstract要約: 我々は3次元表面再構成のための新しいマルチセンサデータセットを提案する。
スマートフォン、Intel RealSense、Microsoft Kinect、産業用カメラ、構造化光スキャナーなどだ。
全体として、100方向から14の照明条件で取得した110の異なるシーンの14万枚以上の画像を提供する。
- 参考スコア(独自算出の注目度): 63.59401680137808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a new multi-sensor dataset for 3D surface reconstruction. It
includes registered RGB and depth data from sensors of different resolutions
and modalities: smartphones, Intel RealSense, Microsoft Kinect, industrial
cameras, and structured-light scanner. The data for each scene is obtained
under a large number of lighting conditions, and the scenes are selected to
emphasize a diverse set of material properties challenging for existing
algorithms. In the acquisition process, we aimed to maximize high-resolution
depth data quality for challenging cases, to provide reliable ground truth for
learning algorithms. Overall, we provide over 1.4 million images of 110
different scenes acquired at 14 lighting conditions from 100 viewing
directions. We expect our dataset will be useful for evaluation and training of
3D reconstruction algorithms of different types and for other related tasks.
Our dataset and accompanying software will be available online.
- Abstract(参考訳): 我々は3次元表面再構成のための新しいマルチセンサデータセットを提案する。
そこには、スマートフォン、intel realsense、microsoft kinect、産業用カメラ、構造化光スキャナーなど、さまざまな解像度とモードのセンサーからの登録されたrgbと深度データが含まれている。
各シーンのデータは、多くの照明条件の下で取得され、シーンは、既存のアルゴリズムに挑戦する多様な素材特性を強調するために選択される。
取得プロセスでは,課題に対して高解像度の深度データ品質を最大化し,学習アルゴリズムに信頼性の高い基礎的真理を提供する。
概して、100方向から14の照明条件で取得した110の異なるシーンの140万以上の画像を提供する。
我々のデータセットは、異なるタイプの3次元再構成アルゴリズムの評価と訓練、および他の関連するタスクに役立ちます。
私たちのデータセットと付随するソフトウェアはオンラインで利用できます。
関連論文リスト
- Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。
既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
論文 参考訳(メタデータ) (2023-08-21T10:38:32Z) - 3D Data Augmentation for Driving Scenes on Camera [50.41413053812315]
本稿では,Drive-3DAugと呼ばれる3次元データ拡張手法を提案する。
まずNeural Radiance Field(NeRF)を用いて,背景および前景の3次元モデルの再構成を行う。
そして、予め定義された背景の有効領域に適応した位置と向きの3Dオブジェクトを配置することにより、拡張駆動シーンを得ることができる。
論文 参考訳(メタデータ) (2023-03-18T05:51:05Z) - BS3D: Building-scale 3D Reconstruction from RGB-D Images [25.604775584883413]
本稿では,消費者向け深度カメラを用いた大規模3次元再構築のための使い易いフレームワークを提案する。
複雑で高価な買収設定とは異なり、当社のシステムはクラウドソーシングを可能にする。
論文 参考訳(メタデータ) (2023-01-03T11:46:14Z) - A High Resolution Multi-exposure Stereoscopic Image & Video Database of
Natural Scenes [0.2578242050187029]
インド工科大学マドラス校内で収集した多目的マルチ露光データセットについて紹介する。
データセットはZEDカメラを使用してキャプチャされ、屋外と屋内の複雑なシーンを提供する。
提案されたデータセットは、研究コミュニティで公開されています。
論文 参考訳(メタデータ) (2022-06-22T13:54:02Z) - A Survey on RGB-D Datasets [69.73803123972297]
本稿では,深度情報を含む画像データセットをレビューし,分類した。
アクセス可能なデータを含む203のデータセットを収集し、それらをシーン/オブジェクト、ボディ、医療の3つのカテゴリに分類しました。
論文 参考訳(メタデータ) (2022-01-15T05:35:19Z) - TUM-VIE: The TUM Stereo Visual-Inertial Event Dataset [50.8779574716494]
イベントカメラはバイオインスパイアされた視覚センサーで、ピクセルごとの明るさの変化を測定する。
これらは、低レイテンシ、高ダイナミックレンジ、高時間分解能、低消費電力など、従来のフレームベースのカメラよりも多くの利点を提供する。
イベントカメラを用いた3次元認識・ナビゲーションアルゴリズムの開発を促進するため,TUM-VIEデータセットを提案する。
論文 参考訳(メタデータ) (2021-08-16T19:53:56Z) - SIDOD: A Synthetic Image Dataset for 3D Object Pose Recognition with
Distractors [10.546457120988494]
このデータセットには144kのステレオ画像ペアが含まれており、最大10個のオブジェクトと3つのフォトリアリスティック仮想環境の18のカメラ視点を合成的に組み合わせている。
ドメインのランダム化に対する我々のアプローチを説明し、データセットを作成した決定について考察する。
論文 参考訳(メタデータ) (2020-08-12T00:14:19Z) - A Multi-spectral Dataset for Evaluating Motion Estimation Systems [7.953825491774407]
本稿では,マルチスペクトル運動推定システムの性能評価のための新しいデータセットを提案する。
すべてのシーケンスはハンドヘルドマルチスペクトルデバイスから記録される。
深度画像はMicrosoft Kinect2でキャプチャされ、モダリティ間のステレオマッチングを学習するメリットがある。
論文 参考訳(メタデータ) (2020-07-01T17:11:02Z) - Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset
for Spatially Varying Isotropic Materials [65.95928593628128]
多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。
我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
論文 参考訳(メタデータ) (2020-01-18T12:26:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。