PartNet:面向细粒度与层次化部件级三维物体理解的大规模基准数据集
计算机视觉与模式识别
2018-12-07 v1
摘要
我们提出 PartNet:一个一致的、大规模的三维物体数据集,标注了细粒度、实例级和层次化的三维部件信息。我们的数据集包含 26,671 个三维模型上的 573,585 个部件实例,涵盖 24 个物体类别。该数据集赋能并充当许多任务(如形状分析、动态三维场景建模与仿真、功能可供性分析等)的催化剂。利用我们的数据集,我们建立了三项用于评估三维部件识别的基准任务:细粒度语义分割、层次化语义分割和实例分割。我们对四种最先进的三维深度学习算法进行了细粒度语义分割基准测试,并对三种层次化语义分割的基线方法进行了测试。我们还提出了一种用于部件实例分割的新方法,并展示了其优于现有方法的性能。
引用
@article{arxiv.1812.02713,
title = {PartNet: A Large-scale Benchmark for Fine-grained and Hierarchical Part-level 3D Object Understanding},
author = {Kaichun Mo and Shilin Zhu and Angel X. Chang and Li Yi and Subarna Tripathi and Leonidas J. Guibas and Hao Su},
journal= {arXiv preprint arXiv:1812.02713},
year = {2018}
}