渲染完毕再渲染数据_github资源推荐：目标姿态检测数据集与渲染方法

标准化数据集在多媒体研究中至关重要。今天，我们要给大家推荐一个汇总了姿态检测数据集和渲染方法的 github repo。

项目地址：

这个数据集汇总了用于对象姿态估计的数据集，以及生成合成训练数据的呈现方法。在下表中，3D CAD 模型表示为模型，2D 图像表示为对象。

该项目分为四个部分：

• 受控环境中的对象

• 野外物体

• 3D 模型数据集

• 渲染方法

受控环境中的对象

此表列出了通常称为 BOP:Benchmark 6D 对象姿态估计的数据集，该数据集提供精确的 3D 对象模型和精确的 2D~3D 对齐。

可以下载所有 BOP 数据集，并使用作者提供的工具箱。

使用项目上面的代码 ply2obj.py 将原始 .ply 文件转换为 .obj 文件，并运行 create_annotation.py 为数据集中的所有场景创建一个注释文件。

以上数据集的下载地址：

• HomebrewedDB：

• YCB-Video：

• T-LESS：

• Doumanoglou：

• Tejani：

• Occluded-LINEMOD：

• LINEMOD：

野外物体

在该表中， Pix3D 和 ScanNet 提供精确的 2D-3D 对齐，而其他仅提供粗略的对齐。

PASCAL3D+ 是用于视点估计的事实基准。

ScanNet 通常用来评估场景重建和分割。

数据集下载地址：

• ApolloCar3D：

• Pix3D：

• ScanNet：

• ObjectNet3D：

• PASCAL3D+：

• KITTI：

3D 模型数据集

为了验证网络泛化能力，可以使用以下数据集生成合成训练数据。请注意，ABC 包含通用和任意的工业 CAD 型，而 ShapeNetCore 和 ModelNet 包含常见类别的对象，如汽车和椅子。

数据集地址：

• ABC：

• ShapeNetCore：

• ModelNet-40：

渲染方法

• 可微渲染

这里有两篇参考论文：CVPR 2018 论文《Neural 3D Mesh Renderer》和 NIPS 2018 论文《RenderNet》。

• Blender Render 渲染

本 repo 提供了相关的 python 代码，以使用 Blender 作为一个易于安装和生成照片级真实图像的 python 模块，从 3D 模型生成渲染图像。

你可以在这里找到更多关于使用它的方法。

• 物理模拟器

Pybullet 是机器人界非常受欢迎的一个物理模拟器。

• 其他

Glumpy：不支持无头渲染（在 ssh 模式下会失败）

UnrealCV：Unreal Engine 4 的扩展，帮助与虚拟世界交互并与外部程序通信。

合成计算机视觉：恢复许多用于生成合成图像的技术

via：

雷锋网网雷锋网雷锋网