重组过去:面向真实世界二维与三维拼图求解的 RePAIR 数据集与基准
计算机视觉与模式识别
2024-11-06 v2
摘要
本文提出了 RePAIR 数据集,它代表了一个具有挑战性的基准,用于测试现代计算和数据驱动方法在拼图求解与重组任务上的表现。我们的数据集具有当前二维和三维拼图求解基准中不常见的独特属性。碎片和断裂是真实的,由第二次世界大战轰炸期间庞贝考古公园一幅壁画的倒塌造成。碎片还受到侵蚀,存在缺失部分,形状不规则且尺寸各异,这进一步挑战了重组算法。该数据集是多模态的,提供了具有特征性图像元素的高分辨率图像、详细的三维碎片扫描以及考古学家标注的元数据。真实数据是通过数年不间断的实地工作生成的,包括对每个碎片的挖掘和清理,随后由考古学家对约 16000 个可用碎片中的大约 1000 个进行手动拼图求解。在对所有碎片进行三维数字化后,我们准备了一个基准,以挑战当前通常解决更简化合成场景的重组和拼图求解方法。测试的基线表明,在解决这个计算复杂的问题上,显然存在需要填补的差距。
引用
@article{arxiv.2410.24010,
title = {Re-assembling the past: The RePAIR dataset and benchmark for real world 2D and 3D puzzle solving},
author = {Theodore Tsesmelis and Luca Palmieri and Marina Khoroshiltseva and Adeela Islam and Gur Elkin and Ofir Itzhak Shahar and Gianluca Scarpellini and Stefano Fiorini and Yaniv Ohayon and Nadav Alali and Sinem Aslan and Pietro Morerio and Sebastiano Vascon and Elena Gravina and Maria Cristina Napolitano and Giuseppe Scarpati and Gabriel Zuchtriegel and Alexandra Spühler and Michel E. Fuchs and Stuart James and Ohad Ben-Shahar and Marcello Pelillo and Alessio Del Bue},
journal= {arXiv preprint arXiv:2410.24010},
year = {2024}
}
备注
NeurIPS 2024, Track Datasets and Benchmarks, 10 pages