MBZUAI 发布 RoomTour3D 数据集, 应用在 视觉与语言导航、3D重建 领域

MBZUAI 本次发布的数据集 RoomTour3D, RoomTour3D是一个基于网络房间游览视频的几何感知视频指令数据集，旨在解决视觉与语言导航（VLN）任务中训练数据多样性和规模有限的问题。该数据集包含约10万条开放式描述丰富的轨迹和约20万条指令，涵盖1847个真实房间环境。数据集通过3D重建技术获取行走路径的几何信息，并结合房间类型、物体位置和场景3D形状等额外信息。创建过程中，利用自动化的视频处理管道生成几何感知的行走轨迹和空间上下文文本指令。RoomTour3D主要应用于视觉与语言导航任务，旨在提升导航代理在开放世界环境中的表现，解决复杂室内环境中的导航问题。

查看RoomTour3D

关于 MBZUAI , MBZUAI（Mohamed bin Zayed University of Artificial Intelligence）是位于阿联酋的一所专注于人工智能领域研究和教育的高等学府。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。