Pix3D

displayName: Pix3D
taskTypes:
- Pose Estimation
- 3D Shape Reconstruction
labelTypes:
- Modelling3D
mediaTypes:
- Image
license:
- CC BY 4.0
publisher:
- Massachusetts Institute of Technology
- Google Research
- Shanghai Jiao Tong University
tags: []
publishDate: '2018-04-12'
publishUrl: http://pix3d.csail.mit.edu/
paperUrl: http://pix3d.csail.mit.edu/papers/pix3d_cvpr.pdf

---
## 简介
我们从单个图像研究3D形状建模，并在三个方面对其做出贡献。首先，我们介绍了 Pix3D，这是一个具有像素级 2D-3D 对齐的各种图像形状对的大规模基准。 Pix3D 在形状相关的任务中有着广泛的应用，包括重建、检索、视点估计等。然而，构建这样一个大规模的数据集是非常具有挑战性的；现有数据集要么仅包含合成数据，要么缺乏 2D 图像和 3D 形状之间的精确对齐，或者只有少量图像。其次，我们通过行为研究校准了 3D 形状重建的评估标准，并用它们来客观、系统地对 Pix3D 上的尖端重建算法进行基准测试。第三，我们设计了一个同时执行 3D 重建和姿态估计的新模型；我们的多任务学习方法在这两个任务上都实现了最先进的性能。
## 引文

```
@inproceedings{sun2018pix3d,
title={Pix3d: Dataset and methods for single-image 3d shape modeling},
author={Sun, Xingyuan and Wu, Jiajun and Zhang, Xiuming and Zhang, Zhoutong and Zhang, Chengkai and Xue, Tianfan and Tenenbaum, Joshua B and Freeman, William T},
booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
pages={2974--2983},
year={2018}
}
```

## Download dataset
:modelscope-code[]{type="git"}

displayName: Pix3D
任务类型：
- 姿态估计（Pose Estimation）
- 3D形状重建（3D Shape Reconstruction）
标签类型：
- 3D建模（Modelling3D）
媒体类型：
- 图像（Image）
许可协议：
- CC BY 4.0
发布方：
- 麻省理工学院（Massachusetts Institute of Technology）
- 谷歌研究院（Google Research）
- 上海交通大学（Shanghai Jiao Tong University）
标签： []
发布日期：'2018-04-12'
发布网址：http://pix3d.csail.mit.edu/
论文网址：http://pix3d.csail.mit.edu/papers/pix3d_cvpr.pdf

---
## 简介
本研究围绕单图像三维形状建模展开，从三方面作出创新性贡献：其一，提出Pix3D数据集：这是一个包含海量图像-形状对的大规模基准数据集，所有样本均实现像素级2D-3D对齐，可广泛应用于形状相关任务，如三维重建、图像检索、视点估计等。但大规模此类数据集的构建极具挑战：现有数据集或仅包含合成样本，或缺乏图像与三维形状间的精准对齐，抑或样本量极少。其二，通过人类行为研究校准三维形状重建的评估准则，并基于该准则对Pix3D数据集上的主流重建算法开展客观、系统的基准测试。其三，设计一种可同时完成三维重建与姿态估计的新型模型，其多任务学习方案在两项任务上均达到当前最优性能。
## 引文

@inproceedings{sun2018pix3d,
title={Pix3d: Dataset and methods for single-image 3d shape modeling},
author={Sun, Xingyuan and Wu, Jiajun and Zhang, Xiuming and Zhang, Zhoutong and Zhang, Chengkai and Xue, Tianfan and Tenenbaum, Joshua B and Freeman, William T},
booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
pages={2974--2983},
year={2018}
}

## 下载数据集
:modelscope-code[]{type="git"}