sukays/mvp-seg

该数据集包含2550张真实室内场景的RGB图像，每张图像都标注了可移动部件。这些图像用于训练和评估一个主动学习模型，该模型通过从粗到细的主动学习方法，利用对象感知和姿态感知的掩码注意力机制，实现对可移动部件的高精度实例分割。数据集展示了在质量和多样性上的优越性，并显著减少了手动标注的工作量。

This dataset consists of 2,550 real indoor scene RGB images with annotated moveable parts. It utilizes an active learning model and a coarse-to-fine segmentation approach to reduce manual annotation effort while enhancing segmentation accuracy.

原始信息汇总

数据集概述

数据集名称

Active Coarse-to-Fine Segmentation of Moveable Parts from Real Images (ECCV 2024)

数据集描述

• 目标：获取真实室内场景中可移动部件的高精度实例分割结果，同时最小化人工标注工作量。
• 方法：采用基于Transformer的主动学习模型，利用掩码注意力机制进行监督分割。
• 特点：引入粗到细的主动学习方法，首先使用对象感知的掩码注意力，然后使用姿态感知的掩码注意力，利用问题的层次性和可移动部件与对象姿态及交互方向之间的相关性。
• 成果：在2,000张真实图像上应用该模型，仅需手动标注11.45%的图像即可获得完全验证的可移动部件分割结果，相比最佳非主动学习模型节省了60%的时间。

数据集内容

• 图像数量：2,550张真实图像。
• 标注内容：带有语义标签的可移动部件标注。

数据集优势

• 质量与多样性：数据集在质量和多样性上优于现有最佳替代方案。

数据集发布

• 发布位置：数据集在此处发布。

联系方式

• 联系人：[e-mail]