Objaverse++：带质量标注的精选 3D 物体数据集

本文提出 Objaverse++，这是 Objaverse 的一个精选子集，由人类专家添加了详细的属性标注。近期 3D 内容生成的进展得益于大规模数据集（如 Objaverse），该数据集包含从互联网收集的超过 800,000 个 3D 物体。尽管 Objaverse 是现有最大的 3D 资产集合，但其效用受到低质量模型占主导的限制。为解决这一限制，我们手动标注了 10,000 个 3D 物体的详细属性，包括美学质量分数、纹理颜色分类、多物体组合标志、透明度特征等。然后，我们训练了一个神经网络，能够为 Objaverse 数据集的其余部分标注标签。通过实验和对生成结果的用户研究，我们证明，在图像到 3D 生成任务中，基于我们质量聚焦子集预训练的模型比在更大的 Objaverse 数据集上训练的模型表现更好。此外，通过比较由我们的标签筛选出的多个训练数据子集，我们的结果表明，数据质量越高，训练损失收敛越快。这些发现表明，精心筛选和丰富的标注可以弥补原始数据集大小的不足，可能为开发 3D 生成模型提供更高效的途径。我们发布了约 500,000 个精选 3D 模型的增强数据集，以促进 3D 计算机视觉中各种下游任务的进一步研究。在不久的将来，我们计划将标注扩展到整个 Objaverse 数据集。