ScanNet est un ensemble de données RVB-D au niveau de l'instance de scènes intérieures (données 2D et 3D) contenant 2,5 millions de vues provenant de plus de 1 500 scans, annotées avec des poses de caméra 3D, une reconstruction de surface et une segmentation sémantique au niveau de l'instance. Il s'agit d'un ensemble de voxels étiquetés, et non de points ou d'objets.

Cet ensemble de données est ScanNet v2, la dernière version de l'ensemble de données ScanNet, qui a collecté 1 513 scans annotés avec une couverture de surface d'environ 90%. Dans la tâche de segmentation sémantique, cet ensemble de données est étiqueté avec 20 catégories d'objets voxélisés 3D annotés.

L'utilisation de cet ensemble de données permet d'atteindre des performances de pointe dans les tâches de compréhension de scènes 3D telles que la classification d'objets 3D, l'étiquetage sémantique des voxels et la récupération de modèles CAO.