KeypointNet：聚合自大量人工标注的大规模 3D 关键点数据集
计算机视觉与模式识别
2020-08-10 v6
摘要
检测 3D 物体关键点对图形学与计算机视觉领域均具有重要意义。已有若干 2D 与 3D 关键点数据集试图以数据驱动方式解决此问题。然而，这些数据集要么缺乏可扩展性，要么给关键点的定义带来歧义。因此，我们提出 KeypointNet：首个大规模且多样化的 3D 关键点数据集，通过利用大量人工标注，包含来自 16 个物体类别的 103,450 个关键点与 8,234 个 3D 模型。为处理不同人员标注间的不一致，我们提出一种通过最小化保真度损失来自动聚合这些关键点的新方法。最后，十种最优方法在我们的数据集上进行了基准测试。我们的代码与数据发布于 https://github.com/qq456cvb/KeypointNet。
引用
@article{arxiv.2002.12687,
title = {KeypointNet: A Large-scale 3D Keypoint Dataset Aggregated from Numerous Human Annotations},
author = {Yang You and Yujing Lou and Chengkun Li and Zhoujun Cheng and Liangwei Li and Lizhuang Ma and Weiming Wang and Cewu Lu},
journal= {arXiv preprint arXiv:2002.12687},
year = {2020}
}
备注
8 pages; to appear in CVPR 2020