論文の概要: UnCommon Objects in 3D
- arxiv url: http://arxiv.org/abs/2501.07574v1
- Date: Mon, 13 Jan 2025 18:59:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-14 14:26:57.974633
- Title: UnCommon Objects in 3D
- Title（参考訳）: 3次元における非共通オブジェクト
- Authors: Xingchen Liu, Piyush Tayal, Jianyuan Wang, Jesus Zarzar, Tom Monnier, Konstantinos Tertikas, Jiali Duan, Antoine Toisoul, Jason Y. Zhang, Natalia Neverova, Andrea Vedaldi, Roman Shapovalov, David Novotny,
- Abstract要約: 3Dディープラーニングと3D生成AIのための新しいオブジェクト中心データセットである、Uncommon Objects in 3D (uCO3D)を紹介する。
uCO3Dは3Dアノテーション付きオブジェクトの高解像度ビデオのコレクションとしては最大で、360ドル(約3万3000円)のカバレッジが保証されている。
我々は,MVImgNet,CO3Dv2,uCO3Dで大規模3Dモデルをトレーニングし,後者を用いて優れた結果を得た。
- 参考スコア（独自算出の注目度）: 48.346028711704975
- License:
- Abstract: We introduce Uncommon Objects in 3D (uCO3D), a new object-centric dataset for 3D deep learning and 3D generative AI. uCO3D is the largest publicly-available collection of high-resolution videos of objects with 3D annotations that ensures full-360$^{\circ}$ coverage. uCO3D is significantly more diverse than MVImgNet and CO3Dv2, covering more than 1,000 object categories. It is also of higher quality, due to extensive quality checks of both the collected videos and the 3D annotations. Similar to analogous datasets, uCO3D contains annotations for 3D camera poses, depth maps and sparse point clouds. In addition, each object is equipped with a caption and a 3D Gaussian Splat reconstruction. We train several large 3D models on MVImgNet, CO3Dv2, and uCO3D and obtain superior results using the latter, showing that uCO3D is better for learning applications.
- Abstract（参考訳）: 3Dディープラーニングと3D生成AIのための新しいオブジェクト中心データセットである、Uncommon Objects in 3D (uCO3D)を紹介する。
uCO3Dは、360$^{\circ}$カバレッジを保証する3Dアノテーション付きオブジェクトの高解像度ビデオの公開コレクションとしては最大である。
uCO3D は MVImgNet や CO3Dv2 よりも著しく多様性があり、1000 以上の対象カテゴリをカバーする。
また、収集されたビデオと3Dアノテーションの両方の広範な品質チェックのため、高品質である。
類似のデータセットと同様に、uCO3Dには3Dカメラのポーズ、深度マップ、スパースポイントクラウドのためのアノテーションが含まれている。
さらに、各オブジェクトにはキャプションと3Dガウススプラットの再構築が設けられている。
我々は,MVImgNet,CO3Dv2,uCO3Dで大規模3Dモデルをトレーニングし,後者を用いて優れた結果を得た。
関連論文リスト
- ImageNet3D: Towards General-Purpose Object-Level 3D Understanding [20.837297477080945]
汎用オブジェクトレベルの3D理解のための大規模データセットであるImageNet3Dを提案する。
ImageNet3Dは、ImageNetデータセットから2Dバウンディングボックス、3Dポーズ、3D位置アノテーション、3D情報でインターリーブされた画像キャプションを含む200のカテゴリを追加している。
我々は,標準分類とポーズ推定に加えて,オブジェクトレベルの3D認識とオープン語彙のポーズ推定という2つの新しいタスクを検討する。
論文 参考訳（メタデータ） (2024-06-13T22:44:26Z) - DIRECT-3D: Learning Direct Text-to-3D Generation on Massive Noisy 3D Data [50.164670363633704]
テキストプロンプトから高品質な3Dアセットを作成するための拡散型3D生成モデルであるDIRECT-3Dを提案する。
我々のモデルは、広範に騒々しく不整合な3D資産で直接訓練されている。
単一クラス生成とテキスト・ツー・3D生成の両方で最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-06-06T17:58:15Z) - Uni3D: Exploring Unified 3D Representation at Scale [66.26710717073372]
大規模に統一された3次元表現を探索する3次元基礎モデルであるUni3Dを提案する。
Uni3Dは、事前にトレーニングされた2D ViTのエンドツーエンドを使用して、3Dポイントクラウド機能と画像テキスト整列機能とを一致させる。
強力なUni3D表現は、野生での3D絵画や検索などの応用を可能にする。
論文 参考訳（メタデータ） (2023-10-10T16:49:21Z) - 3D-LLM: Injecting the 3D World into Large Language Models [60.43823088804661]
大規模言語モデル (LLM) と視覚言語モデル (VLM) は、常識推論のような複数のタスクで優れていることが証明されている。
本稿では,大規模言語モデルに3Dワールドを注入し,新しい3D-LLMのファミリーを導入することを提案する。
具体的には、3D-LLMは3Dポイントクラウドとその機能を入力として取り込んで、さまざまな3D関連タスクを実行することができる。
論文 参考訳（メタデータ） (2023-07-24T17:59:02Z) - 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) - OmniObject3D: Large-Vocabulary 3D Object Dataset for Realistic
Perception, Reconstruction and Generation [107.71752592196138]
OmniObject3Dを提案する。OmniObject3Dは,大規模で高品質な3Dオブジェクトを持つ大語彙の3Dオブジェクトデータセットである。
190のカテゴリーで6,000のスキャン対象からなり、一般的な2Dデータセットと共通クラスを共有する。
それぞれの3Dオブジェクトは、2Dと3Dの両方のセンサーでキャプチャされ、テクスチャメッシュ、ポイントクラウド、マルチビューレンダリング画像、複数の実写ビデオを提供する。
論文 参考訳（メタデータ） (2023-01-18T18:14:18Z)
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。