2D-3D Match Dataset は、RGB-D スキャンからの複数の 3D データセットを利用して 2D-3D 対応を実現するデータセットです。データセットは、SceneNN と 3DMatch からのデータを使用します。トレーニング データセットは、110 個の RGB-D スキャン、SceneNN からの 56 シーン、および 3DMatch からの 54 シーンで構成されます。3D 点群からランダムにサンプリングされた 3D ポイントから、一連の 3D パッチがさまざまなスキャン ビューから抽出されます。このデータセットは、2D 画像と 3D 点群のマッチングのためのローカル クロスドメイン記述子を学習する新しい方法を採用しています。このデータセットには、さまざまな照明条件と設定を備えた公開されている RGB-D シーンから取得された 140 万の 2D-3D 対応関係が含まれています。

引用

私たちの研究があなたの研究に役立つと感じられた場合は、以下の引用をご検討ください。 @inproceedings{pham2020lcd, タイトル = {{LCD}: 2D-3Dマッチングのための学習済みクロスドメイン記述子}, 著者 = {ファム、クアンヒウ、ウイ、ミカエラ・アンジェリーナ、フア、ビンソン、グエン、ドゥク・タン、ロイグ、ジェマ、ヨン、サイキット}、 書籍タイトル = {AAAI人工知能会議}、 年 = 2020 } @inproceedings{hua2016scenenn, タイトル = {{SceneNN}: {A} シーンメッシュデータセットと{NN}注釈}、 著者 = {フア、ビンソン、ファム、クアンヒウ、グエン、ドゥク・タン、トラン、ミンコイ、ユ、ラプファイ、ヨン、サイキット}、 書籍タイトル = {国際3Dビジョン会議}、 年 = 2016 } @inproceedings{zeng20173dmatch, タイトル = {{3DMatch}: {RGB}-{D}再構成から局所的な幾何学的記述子を学習する}、 著者={Zeng, Andy、Song, Shuran、Nie{\ss}ner, Matthias、Fisher, Matthew、Xiao, Jianxiong、Funkhouser, Thomas} 書籍タイトル = {IEEEコンピュータビジョンおよびパターン認識会議}、 年 = 2017 }