论文链接：http://arxiv.org/abs/2301.07525

发布时间：2023-04-11

一、研究方向：

3D数据集

二、研究动机：

提出OmniObject3D，是一个包含大量高质量真实扫描 3D 对象的广泛语义数据集。（而非合成数据集）

  1. 包含6000个对象，190个日常类别
  2. 每个3D对象均通过2D和3D传感器采集，提供纹理网格、点云、多视图渲染图像和多个真实采集的视频
  3. 具有精确的形状和逼真的外观

三、方法与技术：

  1. 预定义类别列表（与几个著名的 2D 和 3D 数据集共享许多共同类别，例如，覆盖了 ImageNet  中的 85 个类别和 LVIS 中的 130 个类别）
  2. 收集和高质量扫描各类别物体，获得3D模型
  3. 根据3D模型，用blender渲染多视角图像，用Open3D工具箱采样多分辨率点云
  4. 用iPhone 12 Pro拍摄360°视频，然后用COMAP注释帧

四、实验：

  1. Robust 3D Perception

  2. Novel View Synthesis

    • single-scene
    • cross-scene

  3. Neural Surface Reconstruction

    • dense-view
    • sparse-view

  4. 3D Object Generation

    • semantic distribution
    • diversity and quality

评价：

  • 包括切碎、咬一口等变体数据：

  • 看起来质量很高

推荐相关阅读：

  • ModelNet40: 12311个CAD模型，40个类别
  • ShapeNet: 51300个CAD模型，55个类别
  • ScanObjectNN: 15000个室内扫描场景点云，15个类别
  • GSO：1030个精细几何形状和纹理的家居，17个类别
  • AKB-48：2037个铰接物体模型，48个类别
  • CO3D v1: 19000个以对象为中心的视频
  • 3D-FUTRUE
  • ABO
  • DTU
  • BlendedMVS