ScanRefer Dataset

包含来自 800 个 ScanNet 场景的 11,046 个对象的 51,583 个描述。 ScanRefer 是第一个通过自然语言直接在 3D 中执行对象定位的大规模工作。

ScanRefer contains 51,583 descriptions for 11,046 objects from 800 ScanNet scenes. It is the first large-scale work that directly conducts 3D object localization via natural language.

搜集汇总

背景与挑战

背景概述

ScanRefer Dataset是一个用于3D对象定位的大规模数据集，包含来自800个ScanNet场景的11,046个对象的51,583个自然语言描述。该数据集首次实现了通过自然语言直接在3D环境中进行对象定位，适用于计算机视觉领域的句嵌入、目标检测等任务，由慕尼黑工业大学和西蒙菲莎大学于2020年发布。