MVImgNet2.0：更大规模的多视角图像数据集
计算机视觉与模式识别
2024-12-03 v1 人工智能
图形学
摘要
MVImgNet 是一个大规模数据集，包含约 22 万个真实世界物体的 238 类多视角图像。作为 ImageNet 的对应版本，它通过多视角拍摄引入 3D 视觉信号，形成 2D 与 3D 视觉之间的软桥梁。本文构建了扩展为约 52 万个物体和 515 个类别的 MVImgNet2.0 数据集，形成规模更大、更符合 2D 领域标准的 3D 数据集。除了数据集规模和类别范围的扩展，MVImgNet2.0 还具备四项新特性：(i) 大多数拍摄捕获物体的 360 度全景视角，可支持完整性学习的对象重建；(ii) 分割方式升级，生成更高精度的前景物体掩码；(iii) 采用更强大的结构-from-motion方法，为每帧图像估计更低的相机姿态误差；(iv) 通过先进方法重建更高质量的稠密点云，用于 360 度全景视角捕获的物体，可服务于下游应用。大量实验确认，MVImgNet2.0 在提升大型 3D 重建模型性能方面具有价值。MVImgNet2.0 将在 luyues.github.io/mvimgnet2 对外开放，包括所有 52 万个物体的多视角图像、重建的高质量点云以及数据标注代码，旨在激发更广泛的视觉社区。
引用
@article{arxiv.2412.01430,
title = {MVImgNet2.0: A Larger-scale Dataset of Multi-view Images},
author = {Xiaoguang Han and Yushuang Wu and Luyue Shi and Haolin Liu and Hongjie Liao and Lingteng Qiu and Weihao Yuan and Xiaodong Gu and Zilong Dong and Shuguang Cui},
journal= {arXiv preprint arXiv:2412.01430},
year = {2024}
}
备注
ACM Transactions on Graphics (TOG), SIGGRAPH Asia 2024