一个神经形态数据集用于桌面对象细分在室内杂乱的环境
Xiaoqian Huang1,2, Sanket Kachole3, Abdulla Ayyad1
1Advanced Research and Innovation Center (ARIC), Khalifa University, Abu Dhabi, UAE.
Scientific data
|January 25, 2024
概括
研究人员介绍了基于事件的细分数据集 (ESD),这是一个新的3D数据集,用于对基于事件的细分算法进行基准测试. 对于杂乱的室内场景,ESD提供了关键的深度和实例标签,推动了计算机视觉研究.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 传感器融合式传感器
背景情况:
- 传统摄像机在运动模糊,低动态范围和时间采样限制方面扎.
- 现有的基于事件的数据集缺乏对封闭场景细分至关重要的全面深度信息.
研究的目的:
- 引入一种新的,高质量的基于事件的数据集,用于对比细分算法.
- 提供3D时空数据集,具有关键深度和实例标签,用于室内对象细分.
主要方法:
- 使用立体配置的基于事件的摄像头开发了基于事件的细分数据集 (ESD).
- 收集了145个序列,其中有14166个注释的RGB和数以百万计的事件.
- 对桌面对象进行注释的事件深度和实例标签.
主要成果:
- 基于事件的细分,ESD提供了一个独特的3D时空基准.
- 数据集包括RGB,深度和事件数据的密集注释.
- 在混乱的室内环境中对物体进行细分提供了一个具有挑战性的基准.
结论:
- 发布ESD旨在促进基于事件的细分研究的进步.
- 为开发和评估需要深度信息的算法提供了宝贵的资源.
- 鼓励开发更强大的细分技术,用于现实世界的应用.
