Mono3DRefer

该数据集是一个提供精细描述和问答注释的3D定位数据集，用于评估开放词汇的3D定位性能。它是用于在现实世界中评估3D感知算法的数据集集合中的一部分。该数据集的主要任务是3D定位。This dataset is a 3D localization dataset equipped with fine-grained descriptions and question-answering annotations, designed to evaluate open-vocabulary 3D localization performance. It is part of a dataset collection for evaluating 3D perception algorithms in real-world scenarios. The main task of this dataset is 3D localization.

搜集汇总

背景与挑战

背景概述

Mono3DRefer是首个用于单目图像中3D视觉定位任务的数据集，包含外观和几何信息的语言描述，旨在定位图像中对象的真实3D范围。数据集可从Google Drive下载，并支持Mono3DVG-TR这一基于Transformer的端到端网络。