june4feats2
收藏kaggle2018-06-04 更新2024-03-08 收录
下载链接：
https://www.kaggle.com/datasets/returnofsputnik/june4feats2
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2018-06-04
相关数据集
SAMPL4-FEAT
SAMPL4-FEAT数据集是一个用于化学信息学和宿主-客体相互作用研究的特征表，源自SAMPL4宿主-客体盲预测挑战。该数据集专注于14种CB[7]（葫芦[7]脲）客体分子，提供每个客体的分子身份信息（包括通用名称、InChIKey和质子化SMILES）、实验测定的结合常数对数（true_logka），以及一系列计算衍生的特征。这些特征包括13个归一化评分（范围在[0,1]之间），涵盖电荷、疏水
Hugging Face2026-07-03 更新00
optiver_feat2
kaggle2023-11-18 更新00
FEAT
FEAT是一个用于英语教育辅导的反馈数据集生成框架，通过高效的大语言模型自动生成大规模教师反馈偏好数据集，包括三个互补数据集：DIRECT-Manual (DM)、DIRECT-Generated (DG)和DIRECT-Augmented (DA)，旨在为构建人性化的辅导模型提供数据支持。
arXiv2025-06-27 更新430
Tsagkas/dataset-feat-v4
该数据集使用LeRobot创建，包含机器人操作相关的动作和观察数据。数据集结构包括末端执行器位置(ee.x, ee.y, ee.z)、姿态(ee.wx, ee.wy, ee.wz)、夹爪状态(ee.gripper_pos)、手腕图像(observation.images.wrist)和视觉特征(observation.vfm_features)等。数据集包含10个episodes，共1609帧，3
Hugging Face2025-12-16 更新20
Feat2GS
Feat2GS数据集是由西湖大学和马克斯·普朗克研究所等机构创建的，旨在评估视觉基础模型（VFMs）在3D几何和纹理感知方面的能力。该数据集通过从无姿态图像中提取的VFM特征，使用轻量级的读出层将像素级特征转换为3D高斯分布，从而进行新颖视图合成任务。数据集的创建过程涉及从多个视角的图像中提取特征，并通过多视角光度损失进行训练。Feat2GS数据集主要应用于3D视觉任务，如新颖视图合成，旨在解决V
arXiv2024-12-13 更新1990
