Matterport3D：从室内环境中的 RGB-D 数据学习
计算机视觉与模式识别
2017-09-20 v1
摘要
获取大规模、多样化的 RGB-D 数据集对于训练 RGB-D 场景理解算法至关重要。然而，现有数据集仍然仅覆盖有限数量的视角或受限的空间规模。在本文中，我们介绍了 Matterport3D，这是一个大规模 RGB-D 数据集，包含来自 90 个建筑尺度场景的 194,400 张 RGB-D 图像的 10,800 个全景视图。数据集提供了表面重建、相机位姿以及 2D 和 3D 语义分割的标注。跨整栋建筑的精确全局对齐和全面、多样的全景视角集合支持多种监督与自监督计算机视觉任务，包括关键点匹配、视角重叠预测、从颜色预测法线、语义分割和区域分类。
引用
@article{arxiv.1709.06158,
title = {Matterport3D: Learning from RGB-D Data in Indoor Environments},
author = {Angel Chang and Angela Dai and Thomas Funkhouser and Maciej Halber and Matthias Nießner and Manolis Savva and Shuran Song and Andy Zeng and Yinda Zhang},
journal= {arXiv preprint arXiv:1709.06158},
year = {2017}
}