論文の概要: Australian Supermarket Object Set (ASOS): A Benchmark Dataset of Physical Objects and 3D Models for Robotics and Computer Vision

• arxiv url: http://arxiv.org/abs/2509.09720v1
• Date: Tue, 09 Sep 2025 22:26:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:07.847888
• Title: Australian Supermarket Object Set (ASOS): A Benchmark Dataset of Physical Objects and 3D Models for Robotics and Computer Vision
• Title（参考訳）: オーストラリアスーパーマーケットオブジェクトセット(ASOS):ロボットとコンピュータビジョンのための物理オブジェクトと3Dモデルのベンチマークデータセット
• Authors: Akansel Cosgun, Lachlan Chumbley, Benjamin J. Meyer,
• Abstract要約: オーストラリア・スーパーマーケット・オブジェクト・セット(Australian Supermarket Object Set、ASOS)は、50のスーパーマーケットアイテムからなる総合データセットである。 ASOSは、オーストラリアの大手スーパーマーケットチェーンから調達できる一般的な家庭用品の費用対効果のコレクションを提供している。 このデータセットはアクセシビリティと実世界の応用性を重視しており、オブジェクト検出、ポーズ推定、ロボット工学のアプリケーションのベンチマークに有用である。
• 参考スコア（独自算出の注目度）: 0.3823356975862005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces the Australian Supermarket Object Set (ASOS), a comprehensive dataset comprising 50 readily available supermarket items with high-quality 3D textured meshes designed for benchmarking in robotics and computer vision applications. Unlike existing datasets that rely on synthetic models or specialized objects with limited accessibility, ASOS provides a cost-effective collection of common household items that can be sourced from a major Australian supermarket chain. The dataset spans 10 distinct categories with diverse shapes, sizes, and weights. 3D meshes are acquired by a structure-from-motion techniques with high-resolution imaging to generate watertight meshes. The dataset's emphasis on accessibility and real-world applicability makes it valuable for benchmarking object detection, pose estimation, and robotics applications.
• Abstract（参考訳）: 本稿では,Australian Supermarket Object Set (ASOS)について紹介する。Australian Supermarket Object Set (ASOS)は,ロボット工学およびコンピュータビジョンアプリケーションにおけるベンチマークのために設計された,高品質な3Dテクスチャメッシュを備えた,50個の手軽に利用可能なスーパーマーケットアイテムからなる包括的データセットである。 合成モデルや限定的なアクセシビリティを持つ特殊なオブジェクトに依存する既存のデータセットとは異なり、ASOSはオーストラリアの主要なスーパーマーケットチェーンから得られる一般的な家庭用品の費用対効果の高いコレクションを提供する。 データセットは、さまざまな形状、サイズ、重量を持つ10の異なるカテゴリにまたがる。 3次元メッシュは、高分解能撮像による構造移動技術によって取得され、水密メッシュを生成する。 このデータセットはアクセシビリティと実世界の応用性を重視しており、オブジェクト検出、ポーズ推定、ロボット工学のアプリケーションのベンチマークに有用である。

関連論文リスト

• MetaScenes: Towards Automated Replica Creation for Real-world 3D Scans [76.39726619818896]
  EAI(Embodied AI)の研究は、スキル獲得、シミュレート・トゥ・リアル・トランスファー、一般化をサポートするために、高品質で多様な3Dシーンを必要とする。 既存のデータセットは、このプロセスがアーティスト主導の設計に大きく依存していることを示している。 実世界のスキャンから構築した大規模でシミュレート可能な3DシーンデータセットであるMetaScenesを提案する。
  論文  参考訳（メタデータ） (2025-05-05T06:13:25Z)
• Articulate3D: Holistic Understanding of 3D Scenes as Universal Scene Description [56.69740649781989]
  3Dシーン理解は、コンピュータビジョンにおける長年の課題であり、混合現実、ウェアラブルコンピューティング、そして具体化されたAIを実現する上で重要な要素である。 室内280のシーンに高品質な手動アノテーションを付加した専門的な3DデータセットであるArticulate3Dを紹介する。 我々はまた,部分分割を同時に予測できる新しい統一フレームワークUSDNetと,オブジェクトの動作属性の完全な仕様を提示する。
  論文  参考訳（メタデータ） (2024-12-02T11:33:55Z)
• Articulate-Anything: Automatic Modeling of Articulated Objects via a Vision-Language Foundation Model [35.184607650708784]
  Articulate-Anythingは、テキスト、画像、ビデオを含む多くの入力モダリティから、多種多様な複雑なオブジェクトの明瞭化を自動化する。 本システムでは,メッシュ検索機構を通じて既存の3Dデータセットを,反復的に提案,評価,洗練を行うアクタ・クリティカル・システムとともに活用する。
  論文  参考訳（メタデータ） (2024-10-03T19:42:16Z)
• HANDAL: A Dataset of Real-World Manipulable Object Categories with Pose Annotations, Affordances, and Reconstructions [17.9178233068395]
  本稿では,カテゴリレベルのオブジェクトポーズ推定とアベイランス予測のためのHANDALデータセットを提案する。 このデータセットは、17のカテゴリで212の現実世界のオブジェクトの2.2kビデオから308kの注釈付き画像フレームで構成されている。 6-DoFカテゴリレベルのポーズ+スケール推定と関連するタスクに対するデータセットの有用性について概説する。
  論文  参考訳（メタデータ） (2023-08-02T23:59:59Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
  本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。 提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。 また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
  論文  参考訳（メタデータ） (2021-12-29T17:23:24Z)
• ObjectFolder: A Dataset of Objects with Implicit Visual, Auditory, and Tactile Representations [52.226947570070784]
  両課題に対処する100のオブジェクトからなるデータセットであるObjectを,2つの重要なイノベーションで紹介する。 まず、オブジェクトは視覚的、聴覚的、触覚的なすべてのオブジェクトの知覚データをエンコードし、多数の多感覚オブジェクト認識タスクを可能にする。 第2に、Objectは統一されたオブジェクト中心のシミュレーションと、各オブジェクトの視覚的テクスチャ、触覚的読み出し、触覚的読み出しに暗黙的な表現を採用しており、データセットの使用が柔軟で共有が容易である。
  論文  参考訳（メタデータ） (2021-09-16T14:00:59Z)

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。