MeshFleet：面向领域特定生成建模的过滤与标注三维车辆数据集
计算机视觉与模式识别
2025-03-19 v1 人工智能
机器学习
摘要
生成模型在三维物体领域近期取得了显著进展。然而，它们在工程等领域的实际应用仍然有限，因为它们无法提供领域特定任务所需的准确性、质量和可控性。对大型生成模型进行微调是使这些模型在这些领域中可用的有前景的途径。创建高质量、领域特定的三维数据集对于微调大型生成模型至关重要，但数据过滤和标注过程仍然是一个重大瓶颈。本文提出了MeshFleet，一个从Objaverse-XL——最大规模的公开可用三维对象集合——中提取的过滤与标注三维车辆数据集。本方法提出了一种基于质量分类器的自动化数据过滤流程。该分类器在Objaverse的手动标注子集上进行训练，结合了DINOv2和SigLIP嵌入，通过基于描述的分析和不确定性估计进行优化。我们通过与基于描述和图像美学评分技术的对比分析以及与SV3D的微调实验，证明了过滤方法的有效性，突出了针对性数据选择对领域特定三维生成建模的重要性。
引用
@article{arxiv.2503.14002,
title = {MeshFleet: Filtered and Annotated 3D Vehicle Dataset for Domain Specific Generative Modeling},
author = {Damian Boborzi and Phillip Mueller and Jonas Emrich and Dominik Schmid and Sebastian Mueller and Lars Mikelsons},
journal= {arXiv preprint arXiv:2503.14002},
year = {2025}
}