改进细粒度物体类别三维姿态数据集的标注
计算机视觉与模式识别
2018-10-23 v1
摘要
现有的物体类别三维姿态数据集局限于通用物体类型且缺乏细粒度信息。本文中，我们引入一个由409个细粒度类别和31,881张带有精确三维姿态标注的图像组成的新大规模数据集。具体而言，我们通过从ShapeNet为每个子类别寻找特定三维模型，并通过调整一整套7个连续透视参数手动标注每张二维图像，来扩充三个现有细粒度物体识别数据集(StanfordCars、CompCars和FGVC-Aircraft)。由于细粒度形状使三维模型能更好地贴合图像，我们通过从人工标注初始化并以提高投影掩码与最先进深度卷积神经网络(CNNs)估计的分割参考之间IoU为目标进行姿态参数局部搜索，进一步提升了标注质量。我们提供了标注的完整统计信息以及定性与定量比较，表明我们的数据集可作为研究三维姿态估计的补充资源。数据集可在 http://users.umiacs.umd.edu/~wym/3dpose.html 下载。
引用
@article{arxiv.1810.09263,
title = {Improving Annotation for 3D Pose Dataset of Fine-Grained Object Categories},
author = {Yaming Wang and Xiao Tan and Yi Yang and Ziyu Li and Xiao Liu and Feng Zhou and Larry S. Davis},
journal= {arXiv preprint arXiv:1810.09263},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1806.04314