2D-3D 매치 데이터 세트는 RGB-D 스캔의 여러 3D 데이터 세트를 활용하여 2D-3D 대응을 달성하는 데이터 세트입니다. 이 데이터 세트는 SceneNN과 3DMatch의 데이터를 사용합니다. 훈련 데이터 세트는 110개의 RGB-D 스캔으로 구성되어 있으며, 그 중 56개의 장면은 SceneNN에서 가져온 것이고 54개의 장면은 3DMatch에서 가져온 것입니다. 3D 포인트 클라우드에서 무작위로 샘플링된 3D 포인트가 주어지면 다양한 스캔 뷰에서 3D 패치 세트가 추출됩니다. 이 데이터 세트는 2D 이미지와 3D 포인트 클라우드 매칭을 위한 로컬 크로스 도메인 설명자를 학습하는 새로운 방법을 채택했습니다. 이 데이터 세트에는 다양한 조명 조건과 설정을 갖춘 공개 RGB-D 장면의 2D-3D 대응 데이터 140만 개가 포함되어 있습니다.

소환

저희 연구 결과가 귀하의 연구에 유용하다면, 다음 논문을 인용해 주시면 감사하겠습니다. @inproceedings{pham2020lcd, 제목 = {{LCD}: 2D-3D 매칭을 위한 교차 도메인 디스크립터 학습}, 작성자 = {Pham, Quang-Hieu 및 Uy, Mikaela Angelina 및 Hua, Binh-Son 및 Nguyen, Duc Thanh 및 Roig, Gemma 및 Yeung, Sai-Kit}, 책 제목 = {AAAI 인공지능 컨퍼런스}, 연도 = 2020 } @inproceedings{hua2016scenenn, 제목 = {{SceneNN}: a{NN}otations가 포함된 장면 메시 데이터 세트}, 저자 = {Hua, Binh-Son, Pham, Quang-Hieu 및 Nguyen, Duc Thanh 및 Tran, Minh-Khoi 및 Yu, Lap-Fai 및 Yeung, Sai-Kit}, 책 제목 = {3D 비전에 관한 국제 컨퍼런스}, 연도 = 2016 } @inproceedings{zeng20173dmatch, 제목 = {{3DMatch}: {RGB}-{D} 재구성에서 지역 기하학적 특징 추출}, 저자= {Zeng, Andy 및 Song, Shuran 및 Nie{\ss}ner, Matthias 및 Fisher, Matthew 및 Xiao, Jianxiong 및 Funkhouser, Thomas}, 책 제목 = {IEEE 컴퓨터 비전 및 패턴 인식 컨퍼런스}, 연도 = 2017 }