UnrealROX+: 一种从虚拟三维环境中获取合成数据的改进工具
计算机视觉与模式识别
2021-04-27 v1 人工智能
图形学
机器学习
摘要
近年来，合成数据生成对于支撑数据驱动算法已变得不可或缺，这类算法在几乎每一个计算机视觉问题上都超越了传统技术的性能。在现实世界中收集并标注这些数据饥渴模型所需的大量数据可能变得不可行且易出错，而合成数据使我们能够生成海量带有像素级完美标注的数据。然而，大多数合成数据集在其渲染图像中缺乏足够的真实感。在此背景下，UnrealROX 生成工具于 2019 年提出，它基于前沿视频游戏引擎 Unreal Engine，通过高效流水线生成高分辨率、高帧率的高度真实数据。UnrealROX 使机器人视觉研究者能够为诸如类别与实例语义分割、目标检测、深度估计、视觉抓取和导航等广泛问题生成具有完整真值且真实可信的数据。不过，其工作流严重绑定于从机器人载板相机生成图像序列，难以为其他目的生成数据。本文提出 UnrealROX+，即 UnrealROX 的改进版本，其解耦且易用的数据获取系统允许以更灵活、可定制的方式快速设计并生成数据。此外，它被打包为 Unreal 插件，从而在使用已有 Unreal 项目时更为便捷，并且包含诸如生成反照率(albedo)或用于从深度学习框架与虚拟环境交互的 Python API 等新特性。
引用
@article{arxiv.2104.11776,
title = {UnrealROX+: An Improved Tool for Acquiring Synthetic Data from Virtual 3D Environments},
author = {Pablo Martinez-Gonzalez and Sergiu Oprea and John Alejandro Castro-Vargas and Alberto Garcia-Garcia and Sergio Orts-Escolano and Jose Garcia-Rodriguez and Markus Vincze},
journal= {arXiv preprint arXiv:2104.11776},
year = {2021}
}
备注
Accepted at International Joint Conference on Neural Networks (IJCNN) 2021