Key points are not available for this paper at this time.
Traditionelle Ansätze zum Lernen von 3D-Objektkategorien wurden überwiegend auf synthetischen Datensätzen trainiert und evaluiert, da reale 3D-annotierte kategorie-zentrierte Daten nicht verfügbar sind. Unser Hauptziel ist es, Fortschritte in diesem Bereich zu fördern, indem wir reale Daten in einem Umfang sammeln, der den bestehenden synthetischen Pendants ähnlich ist. Der wesentliche Beitrag dieser Arbeit ist daher ein groß angelegter Datensatz, genannt Gemeinsame Objekte in 3D, mit realen Mehransichtsbildern von Objektkategorien, die mit Kamerapositionen und Ground-Truth-3D-Punktwolken annotiert sind. Der Datensatz enthält insgesamt 1,5 Millionen Bilder aus nahezu 19.000 Videos, die Objekte aus 50 MS-COCO-Kategorien erfassen und ist somit erheblich größer als Alternativen sowohl hinsichtlich der Anzahl der Kategorien als auch der Objekte. Wir nutzen diesen neuen Datensatz, um eine der ersten großangelegten "in-the-wild"-Evaluierungen mehrerer Methoden zur Neuanordnung von Ansichten und kategoriezentrierter 3D-Rekonstruktion durchzuführen. Schließlich tragen wir NerFormer bei - eine neuartige neurale Rendering-Methode, die den leistungsstarken Transformer nutzt, um ein Objekt aus einer kleinen Anzahl seiner Ansichten zu rekonstruieren.
Reizenstein et al. (Fri,) haben diese Frage untersucht.