Fugu-MT 論文翻訳(概要): Dataset of Industrial Metal Objects

論文の概要: Dataset of Industrial Metal Objects

arxiv url: http://arxiv.org/abs/2208.04052v1
Date: Mon, 8 Aug 2022 10:49:06 GMT
ステータス: 処理完了
システム内更新日: 2022-08-09 13:30:37.288739
Title: Dataset of Industrial Metal Objects
Title（参考訳）: 工業用金属オブジェクトのデータセット
Authors: Peter De Roovere, Steven Moonen, Nick Michiels, Francis wyffels
Abstract要約: このデータセットは、6Dオブジェクトポーズラベルを持つ実世界のRGB画像と合成されたRGB画像の両方を含んでいる。実世界のデータは、さまざまなオブジェクト形状、材料、キャリア、構成、照明条件の異なるシーンのマルチビュー画像を記録することで得られる。実世界の状況を慎重にシミュレートし、制御された現実的な方法で変化させることで合成データを得る。
参考スコア（独自算出の注目度）: 1.1125968799758437
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a diverse dataset of industrial metal objects. These objects are symmetric, textureless and highly reflective, leading to challenging conditions not captured in existing datasets. Our dataset contains both real-world and synthetic multi-view RGB images with 6D object pose labels. Real-world data is obtained by recording multi-view images of scenes with varying object shapes, materials, carriers, compositions and lighting conditions. This results in over 30,000 images, accurately labelled using a new public tool. Synthetic data is obtained by carefully simulating real-world conditions and varying them in a controlled and realistic way. This leads to over 500,000 synthetic images. The close correspondence between synthetic and real-world data, and controlled variations, will facilitate sim-to-real research. Our dataset's size and challenging nature will facilitate research on various computer vision tasks involving reflective materials. The dataset and accompanying resources are made available on the project website at https://pderoovere.github.io/dimo.
Abstract（参考訳）: 工業用金属オブジェクトの多様なデータセットを提示する。これらのオブジェクトは対称で、テクスチャがなく、非常に反射的であり、既存のデータセットではキャプチャされない困難な条件をもたらす。本データセットは6次元オブジェクトポーズラベルを持つ実世界および合成多視点RGB画像を含む。被写体形状、材質、キャリアー、構成、照明条件の異なるシーンの多視点画像を記録して実世界データを得る。その結果、3万以上の画像が、新しい公開ツールを使って正確にラベル付けされる。実世界の状況を慎重にシミュレートし、制御された現実的な方法で変化させることで合成データを得る。これは50万以上の合成画像に繋がる。合成データと実世界のデータ、そして制御されたバリエーションの密接な対応は、sim-to-real研究を促進する。我々のデータセットのサイズと挑戦的な性質は、反射材料を含む様々なコンピュータビジョンタスクの研究を促進する。データセットと付随するリソースは、プロジェクトのwebサイト(https://pderoovere.github.io/dimo.)で入手できる。

関連論文リスト

Learning Zero-Shot Material States Segmentation, by Implanting Natural Image Patterns in Synthetic Data [0.555174246084229]
この研究は、現実世界の画像から抽出されたパターンを合成データに注入することで、ギャップを埋めることを目的としている。ゼロショット材料状態セグメンテーションのための総合ベンチマークを初めて提示する。また,30,000の抽出テクスチャとSVBRDF/PBR材料を共有し,将来の生成を容易にする。
論文参考訳（メタデータ） (2024-03-05T20:21:49Z)
SyntheWorld: A Large-Scale Synthetic Dataset for Land Cover Mapping and Building Change Detection [20.985372561774415]
我々は、品質、多様性、スケールに比類しない合成データセットであるSyntheWorldを提示する。サブメーターレベルのピクセルを持つ4万枚の画像と8つのカテゴリの詳細なランドカバーアノテーションを含んでいる。リモートセンシング画像処理研究を容易にするためのSyntheWorldをリリースする。
論文参考訳（メタデータ） (2023-09-05T02:42:41Z)
Habitat Synthetic Scenes Dataset (HSSD-200): An Analysis of 3D Scene Scale and Realism Tradeoffs for ObjectGoal Navigation [70.82403156865057]
本研究では,合成3次元シーン・データセット・スケールとリアリズムが,オブジェクトの探索とナビゲートを行う具体的エージェントの訓練作業に与える影響について検討する。我々の実験によると、我々の小規模データセットで訓練されたエージェントは、はるかに大きなデータセットで訓練されたエージェントと一致するか、より優れています。
論文参考訳（メタデータ） (2023-06-20T05:07:23Z)
Synthetic Data for Object Classification in Industrial Applications [53.180678723280145]
オブジェクト分類では、オブジェクトごとに、異なる条件下で、多数の画像を取得することは必ずしも不可能である。本研究は,学習データセット内の限られたデータに対処するゲームエンジンを用いた人工画像の作成について検討する。
論文参考訳（メタデータ） (2022-12-09T11:43:04Z)
Analysis of Training Object Detection Models with Synthetic Data [0.0]
本稿では,オブジェクト検出に合成データを使用する方法の概要を概説する。データ生成の側面とモデルをトレーニングするテクニックを分析します。実験は実データ上で検証され、実データでトレーニングされたモデルにベンチマークされる。
論文参考訳（メタデータ） (2022-11-29T10:21:16Z)
TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文参考訳（メタデータ） (2022-08-16T20:46:08Z)
MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
論文参考訳（メタデータ） (2022-08-08T08:15:34Z)
GeoSim: Photorealistic Image Simulation with Geometry-Aware Composition [81.24107630746508]
GeoSimは、新しい都市の運転シーンを合成するジオメトリ認識の画像合成プロセスです。まず、センサーデータからリアルな形状と外観の両方を備えた多様な3Dオブジェクトのバンクを構築します。得られた合成画像は、フォトリアリズム、トラフィック認識、幾何学的一貫性があり、画像シミュレーションが複雑なユースケースにスケールできる。
論文参考訳（メタデータ） (2021-01-16T23:00:33Z)
Learning from THEODORE: A Synthetic Omnidirectional Top-View Indoor Dataset for Deep Transfer Learning [4.297070083645049]
TheODOREは,14種類の高解像度魚眼画像10万点を含む,新しい大規模屋内データセットである。リビングルーム、異なる人間キャラクター、インテリアテクスチャの3D仮想環境を作成します。我々のデータセットは、オブジェクト検出のための微調整CNNに適していることを示す。
論文参考訳（メタデータ） (2020-11-11T11:46:33Z)
Detection and Segmentation of Custom Objects using High Distraction Photorealistic Synthetic Data [0.5076419064097732]
合成データを用いてインスタンスセグメンテーションを行うための簡便で有用な手法を示す。目標は、カスタムオブジェクトの実際のデータを手動で収集し、注釈付けすることで、高いパフォーマンスを達成することである。このホワイトペーパーは、光実写シミュレーションデータが現実の応用に利用できるという強い証拠を提供する。
論文参考訳（メタデータ） (2020-07-28T16:33:42Z)
OpenRooms: An End-to-End Open Framework for Photorealistic Indoor Scene Datasets [103.54691385842314]
本研究では,屋内シーンの大規模フォトリアリスティックデータセットを作成するための新しいフレームワークを提案する。私たちの目標は、データセット作成プロセスを広く利用できるようにすることです。これにより、逆レンダリング、シーン理解、ロボット工学における重要な応用が可能になる。
論文参考訳（メタデータ） (2020-07-25T06:48:47Z)

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。