論文の概要: Habitat-Matterport 3D Semantics Dataset

• arxiv url: http://arxiv.org/abs/2210.05633v3
• Date: Thu, 12 Oct 2023 18:40:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-16 18:26:59.697505
• Title: Habitat-Matterport 3D Semantics Dataset
• Title（参考訳）: Habitat-Matterport 3Dセマンティックスデータセット
• Authors: Karmesh Yadav, Ram Ramrakhya, Santhosh Kumar Ramakrishnan, Theo Gervet, John Turner, Aaron Gokaslan, Noah Maestre, Angel Xuan Chang, Dhruv Batra, Manolis Savva, Alexander William Clegg, Devendra Singh Chaplot
• Abstract要約: HM3DSEMは3Dの現実世界空間の最大のデータセットであり、現在学術的なコミュニティで利用可能な注釈付きセマンティクスがある。 216の3D空間にまたがる142,646のオブジェクトインスタンスアノテーションと、それらの空間内に3,100の部屋で構成されている。
• 参考スコア（独自算出の注目度）: 72.14295757568439
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present the Habitat-Matterport 3D Semantics (HM3DSEM) dataset. HM3DSEM is the largest dataset of 3D real-world spaces with densely annotated semantics that is currently available to the academic community. It consists of 142,646 object instance annotations across 216 3D spaces and 3,100 rooms within those spaces. The scale, quality, and diversity of object annotations far exceed those of prior datasets. A key difference setting apart HM3DSEM from other datasets is the use of texture information to annotate pixel-accurate object boundaries. We demonstrate the effectiveness of HM3DSEM dataset for the Object Goal Navigation task using different methods. Policies trained using HM3DSEM perform outperform those trained on prior datasets. Introduction of HM3DSEM in the Habitat ObjectNav Challenge lead to an increase in participation from 400 submissions in 2021 to 1022 submissions in 2022.
• Abstract（参考訳）: habitat-matterport 3d semantics (hm3dsem)データセットを提案する。 HM3DSEMは3次元現実空間の最大のデータセットであり、現在学術的なコミュニティで利用可能である。 216の3dスペースと3,100のルームにわたる142,646のオブジェクトインスタンスアノテーションで構成されている。 オブジェクトアノテーションのスケール、品質、多様性は、以前のデータセットよりもはるかに多い。 他のデータセットとHM3DSEMを区別する重要な違いは、テクスチャ情報を使用して画素精度のオブジェクト境界に注釈を付けることである。 hm3dsemデータセットを異なる手法を用いてオブジェクトゴールナビゲーションタスクに有効性を示す。 HM3DSEMを使用してトレーニングされたポリシーは、以前のデータセットでトレーニングされたものよりも優れています。 Habitat ObjectNav ChallengeにおけるHM3DSEMの導入は、2021年の400件から2022年の1022件に増加した。

関連論文リスト

• HM3D-OVON: A Dataset and Benchmark for Open-Vocabulary Object Goal Navigation [39.54854283833085]
  Habitat-Matterport 3D Open Vocabulary Object Goal Navigation データセット(HM3D-OVON)を提案する。 HM3D-OVONは、379の異なるカテゴリにわたる15k以上の注釈付きオブジェクトのインスタンスを組み込んでいる。 我々は,HM3D-OVONを用いて,オープン語彙のObjectNavエージェントを訓練し,高い性能を実現し,最先端のObjectNavアプローチよりもローカライゼーションやアクティベーションノイズに頑健であることを確認した。
  論文  参考訳（メタデータ） (2024-09-22T02:12:29Z)
• Task-oriented Sequential Grounding in 3D Scenes [35.90034571439091]
  本稿では,3次元シーンにおけるタスク指向の逐次グラウンド(Sequential Grounding)を提案する。 エージェントは、屋内のシーンにターゲットオブジェクトのシーケンスを配置することで、日々の活動を完了するための詳細なステップバイステップの指示に従う必要がある。 SG3Dは22,346のタスクと112,236のステップが4,895の現実世界の3Dシーンにまたがる大規模データセットである。
  論文  参考訳（メタデータ） (2024-08-07T18:30:18Z)
• MMScan: A Multi-Modal 3D Scene Dataset with Hierarchical Grounded Language Annotations [55.022519020409405]
  本稿では,マルチモーダルな3Dシーンデータセットと階層型言語アノテーションを用いたベンチマーク,MMScanを構築した。 結果として得られたマルチモーダルな3Dデータセットは、109kオブジェクトと7.7kリージョン上の1.4Mメタアノテーション付きキャプションと、3Dビジュアルグラウンドと質問応答ベンチマークのための3.04M以上の多様なサンプルを含んでいる。
  論文  参考訳（メタデータ） (2024-06-13T17:59:30Z)
• Tracking Objects with 3D Representation from Videos [57.641129788552675]
  P3DTrackと呼ばれる新しい2次元多目的追跡パラダイムを提案する。 モノクロビデオにおける擬似3Dオブジェクトラベルからの3次元オブジェクト表現学習により,P3DTrackと呼ばれる新しい2次元MOTパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-06-08T17:58:45Z)
• Habitat-Matterport 3D Dataset (HM3D): 1000 Large-scale 3D Environments for Embodied AI [55.475530452838946]
  HM3D は 112.5k m2 の空間を持ち、MP3D や Gibson のような他のビルスケールデータセットよりも1.4-3.7倍大きい。 HM3Dで撮影された画像は、実際のカメラで撮影した画像よりも20～85%高い視力を持つ。 HM3DトレーニングされたPointNavエージェントは、Gibson-testデータセット上で100%のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-09-16T22:01:24Z)
• D3D-HOI: Dynamic 3D Human-Object Interactions from Videos [49.38319295373466]
  本稿では,D3D-HOIについて紹介する。D3D-HOIは3次元オブジェクトのポーズ,形状,動きを,人間と物体の相互作用の時,地上の真理アノテーションを付加したモノクロビデオのデータセットである。 我々のデータセットは、様々な現実世界のシーンとカメラの視点から捉えた、いくつかの共通したオブジェクトで構成されている。 我々は、推定された3次元人間のポーズを利用して、物体の空間的レイアウトとダイナミクスをより正確に推定する。
  論文  参考訳（メタデータ） (2021-08-19T00:49:01Z)
• LayoutMP3D: Layout Annotation of Matterport3D [59.11106101006007]
  Matterport3Dデータセットは、当初提供されていた深度マップ基底真理と共に検討し、さらにMatterport3Dのサブセットからレイアウト基底真理のアノテーションを公開します。 私たちのデータセットはレイアウト情報と深度情報の両方を提供しており、両方のキューを統合することで環境を探索する機会を提供します。
  論文  参考訳（メタデータ） (2020-03-30T14:40:56Z)

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。