ScanNet v2

ScanNet 是一个 RGB-D 视频数据集，包含 1500 多次扫描中的 250 万个视图，并使用 3D 相机姿势、表面重建和实例级语义分割进行注释。为了收集这些数据，我们设计了一个易于使用且可扩展的 RGB-D 捕获系统，其中包括自动表面重建和众包语义注释。我们表明，使用这些数据有助于在几个 3D 场景理解任务上实现最先进的性能，包括 3D 对象分类、语义体素标记和 CAD 模型检索。ScanNet is an RGB-D video dataset consisting of 2.5 million views across more than 1500 scans, annotated with 3D camera poses, surface reconstruction outputs, and instance-level semantic segmentation. To curate this dataset, we developed an easy-to-use and scalable RGB-D capture system that integrates automatic surface reconstruction and crowdsourced semantic annotation. We demonstrate that utilizing this dataset enables state-of-the-art performance on a range of 3D scene understanding tasks, including 3D object classification, semantic voxel labeling, and CAD model retrieval.

搜集汇总

背景与挑战

背景概述

ScanNet v2是一个大规模的RGB-D视频数据集，包含超过1500次扫描和250万个视图，提供了3D相机姿势、表面重建和实例级语义分割的丰富注释。该数据集设计用于支持3D场景理解任务，如物体分类和语义分割，并通过自动化和众包方式高效收集数据，由多所知名大学联合发布，是计算机视觉领域的经典基准数据集。