【泡泡一分钟】ScanNet：一个室内场景三维重建标注数据集(CVPR-22)

每天一分钟，带你读遍机器人顶级会议文章

标题：ScanNet: Richly-annotated 3D Reconstructions of Indoor Scenes

作者：Angela Dai, Angel X. Chang, Manolis Savva, Maciej Halber, Thomas Funkhouser, Matthias Nießner

来源：CVPR 2017 

编译：李仕杰

播音员：王肃

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

 

摘要

今天介绍的文章是“ScanNet: Richly-annotated 3D Reconstructions of Indoor Scenes ”——ScanNet：一个室内场景三维重建标注数据集，该文章发表在CVPR 2017。

影响有监督深度学习方法的一个关键因素是大量标注的数据集。然而，在RGB-D场景理解这一问题上，现今的数据集只包含了一小部分场景和非常有限的标注。

为了解决这一问题，我们引入了一个RGB-D视频数据集ScanNet。ScanNet包含1513个场景中的2.5M张图片。与此同时ScanNet还提供了相机位姿，平面重建和语义分割的标注。为了获得这些数据，我们设计了一个易于使用的RGB-D采集系统来进行平面重建和语义分割标注的工作。

我们的结果表明使用ScanNet在一些3D场景理解的任务上取得了非常好的结果。包括3D物体分类，voxel的语义分割和CAD模型的搜索

    

  

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号（paopaorobot_slam）。

回复关键字“ScanNet”，即可获取本文下载链接。

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成，希望大家珍惜我们的劳动成果，转载请务必注明出自【泡泡机器人SLAM】微信公众号，否则侵权必究！同时，我们也欢迎各位转载到自己的朋友圈，让更多的人能进入到SLAM这个领域中，让我们共同为推进中国的SLAM事业而努力！

商业合作及转载请联系liufuqiang_robot@hotmail.com