ScanNet 数据集

大规模室内 RGB-D 扫描数据集，带三维重建和语义标注。

ScanNet 是 Angela Dai、Matthias Nießner 等人在 CVPR 2017 发布的室内场景数据集：用消费级 RGB-D 相机（同时拍彩色图和深度图）扫描了 1513 个室内场景、共 250 万帧，附带相机位姿、三维表面重建和众包语义分割标注，给 3D 语义分割、3D 检测提供了统一的训练和评测数据。具身智能里不少 3D 语言任务建在它上面，如 3D 视觉定位（按一句话在三维场景里找物体）和 3D 问答。后续的 ScanNet++ 改用激光扫描仪、单反和 iPhone 采集，精度更高，2024 年 12 月的 v2 扩展到 1000 多个场景。

例子ScanRefer 在 800 个 ScanNet 场景上给 11,046 个物体写了 51,583 条自然语言描述，模型要根据描述在三维扫描中定位目标物体。

也叫

ScanNet++、ScanNet v2

相关

3D视觉定位、深度相机、点云、3D场景图、HM3D 数据集、Matterport3D 数据集

来源

ScanNet: Richly-annotated 3D Reconstructions of Indoor Scenes (arXiv 1702.04405)
ScanNet++ 官网
ScanRefer (arXiv 1912.08830)

信息截至

2024-12