OmniObject3D：面向真实感知、重建与生成的大词汇量3D物体数据集
计算机视觉与模式识别
2023-04-12 v2
摘要
近期3D物体建模的进展主要依赖合成数据集，因为缺乏大规模真实扫描的3D数据库。为促进真实世界中3D感知、重建与生成的发展，我们提出OmniObject3D，一个具有海量高质量真实扫描3D物体、大词汇量的3D物体数据集。OmniObject3D具有若干吸引人的特性：1）大词汇量：包含190个日常类别中的6,000个扫描物体，与流行2D数据集（如ImageNet和LVIS）共享常见类别，有益于可泛化3D表示的追求。2）丰富标注：每个3D物体均通过2D与3D传感器捕获，提供带纹理网格、点云、多视图渲染图像和多段真实捕获视频。3）真实扫描：专业扫描仪支持具有精确形状和真实外观的高质量物体扫描。借助OmniObject3D提供的广阔探索空间，我们精心设置了四个评测赛道：a）鲁棒3D感知，b）新视角合成，c）神经表面重建，d）3D物体生成。在这四个基准上进行了广泛研究，揭示了真实3D视觉未来研究中新的观察、挑战与机遇。
引用
@article{arxiv.2301.07525,
title = {OmniObject3D: Large-Vocabulary 3D Object Dataset for Realistic Perception, Reconstruction and Generation},
author = {Tong Wu and Jiarui Zhang and Xiao Fu and Yuxin Wang and Jiawei Ren and Liang Pan and Wayne Wu and Lei Yang and Jiaqi Wang and Chen Qian and Dahua Lin and Ziwei Liu},
journal= {arXiv preprint arXiv:2301.07525},
year = {2023}
}
备注
Project page: https://omniobject3d.github.io/