Key points are not available for this paper at this time.
Os conjuntos de dados ganharam uma enorme popularidade na visão computacional, desde o treinamento e avaliação de métodos baseados em Deep Learning até Localização e Mapeamento Simultâneos (SLAM). Sem dúvida, as imagens têm um vasto potencial devido à escalabilidade em termos de quantidade de dados obtidos sem tediosas anotações manuais de verdade de base. Aqui, apresentamos um conjunto de dados com o objetivo de fornecer um maior nível de fotorrealismo, maior escala, mais variabilidade, além de atender a uma gama de propósitos em comparação com conjuntos de dados existentes. Nosso conjunto de dados aproveita a disponibilidade de milhões de projetos interiores profissionais e milhões de móveis e objetos em nível -- todos acompanhados de geometria refinada e textura em alta resolução. Renderizamos sequências de vídeo em alta resolução e alta taxa seguindo trajetórias realistas, ao mesmo tempo que suportamos tipos de câmeras e fornecemos medições inerciais. Junto com o lançamento do conjunto de dados, disponibilizaremos um programa executável do nosso software interativo, bem como nosso renderizador em: //interiornetdataset.github.io. Para mostrar a usabilidade e a singularidade do nosso conjunto de dados, apresentamos resultados de benchmark tanto de SLAM esparso quanto denso.
Li et al. (Mon,) estudaram essa questão.