DeepPatent2：面向技术图纸理解的大规模基准语料库
计算机视觉与模式识别
2023-11-08 v1
摘要
计算机视觉（CV）与自然语言处理的近期进展由实际应用中大数据的利用所推动。然而，这些研究领域仍受限于可用数据集的规模、通用性与多样性。CV任务如图像描述，主要在自然图像上开展，仍难以对科学和技术文档中常见的草图图像生成准确而有意义的描述。其他任务如从2D图像进行3D重建需要具有多视角的大规模数据集。我们引入DeepPatent2，一个大规模数据集，提供从14年美国设计专利文档中提取的超过270万张技术图纸，含132,890个物体名称与22,394个视角。我们用概念描述演示了DeepPatent2的效用。我们进一步提供了数据集促进3D图像重建与图像检索等其他研究领域的潜在用途。
引用
@article{arxiv.2311.04098,
title = {DeepPatent2: A Large-Scale Benchmarking Corpus for Technical Drawing Understanding},
author = {Kehinde Ajayi and Xin Wei and Martin Gryder and Winston Shields and Jian Wu and Shawn M. Jones and Michal Kucer and Diane Oyen},
journal= {arXiv preprint arXiv:2311.04098},
year = {2023}
}