NVIDIA 发布 Mosaic3D-5.6M 数据集, 应用在 3D场景理解、计算机视觉 领域

NVIDIA 本次发布的数据集 Mosaic3D-5.6M, Mosaic3D-5.6M是一个大规模的数据集，由ScanNet、ARKitScenes、ScanNet++、Matterport3D和Structured3D等多个3D场景数据集生成，包含560万个区域标注对，是迄今为止最大的3D遮罩-文本对数据集。该数据集通过结合最新的开放词汇图像分割模型和区域感知视觉语言模型，实现了精确的区域边界划分和丰富的语义描述，旨在推动开放词汇3D场景理解的研究。

查看Mosaic3D-5.6M

关于 NVIDIA , NVIDIA是一家全球知名的图形处理器（GPU）制造商，专注于高性能计算和人工智能领域，其产品广泛应用于游戏、专业绘图、科学计算等多个领域。

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。