Boombox

Boombox 是一个多模态数据集，用于从声学振动进行视觉重建。涉及将物体放入盒子中并捕获生成的图像和振动。用于训练从振动中预测图像的 ML 系统。潜在应用领域：计算机视觉、多模态感知、视觉和声音、声音视觉、机器人技术、深度学习和机器学习。

搜集汇总

背景与挑战

背景概述

Boombox是一个用于从声学振动重建视觉的多模态数据集，通过捕获物体在盒子中的图像和振动数据，支持机器学习系统训练。其应用涵盖计算机视觉、多模态感知和机器人技术等领域，由哥伦比亚大学于2021年发布。