ScanNet は、1,500 回以上のスキャンからの 250 万ビューを含むインスタンス レベルの屋内シーン RGB-D データセット (2D および 3D データ) であり、3D カメラのポーズ、サーフェスの再構築、およびインスタンス レベルのセマンティック セグメンテーションを使用します。これは、点やオブジェクトではなく、ラベル付きボクセルのコレクションです。

このデータセットは、ScanNet データセットの最新バージョンである ScanNet v2 で、約 90% の表面範囲で 1,513 件の注釈付きスキャンを収集しました。セマンティック セグメンテーション タスクでは、このデータセットに、注釈付きの 3D ボクセル化オブジェクトの 20 カテゴリがラベル付けされます。

このデータセットを使用すると、3D オブジェクト分類、セマンティック ボクセル ラベリング、CAD モデル検索などの 3D シーン理解タスクで最適なパフォーマンスを達成するのに役立ちます。