s3o4d

• Opis :

Zbiór danych opisany po raz pierwszy w sekcji „Obiekty 3D Stanforda” w artykule Disentangling by Subspace Diffusion . Dane obejmują 100 000 renderowań każdego obiektu Królika i Smoka z Repozytorium Skanowania 3D Stanforda . W przyszłości może zostać dodanych więcej obiektów, ale w artykule wykorzystano tylko Króliczka i Smoka. Każdy obiekt jest renderowany z równomiernie próbkowanym oświetleniem z punktu na 2-sferze i równomiernie próbkowanym obrotem 3D. Prawdziwe stany ukryte są dostarczane jako tablice NumPy wraz z obrazami. Oświetlenie jest podane jako 3-wektor z normą jednostkową, natomiast obrót jest podany zarówno jako kwaternion, jak i macierz ortogonalna 3x3.

Istnieje wiele podobieństw między S3O4D a istniejącymi zbiorami danych porównawczych ML, takimi jak NORB , krzesła 3D , kształty 3D i wiele innych, które obejmują również renderowanie zestawu obiektów w różnych pozach i warunkach oświetlenia. Jednakże żaden z tych istniejących zbiorów danych nie obejmuje pełnej gamy obrotów w 3D – większość obejmuje jedynie podzbiór zmian elewacji i azymutu. Obrazy S3O4D są próbkowane równomiernie i niezależnie od pełnej przestrzeni obrotów i iluminacji, co oznacza, że ​​zbiór danych zawiera obiekty odwrócone do góry nogami i oświetlone od tyłu lub od dołu. Wierzymy, że to sprawia, że ​​S3O4D wyjątkowo nadaje się do badań modeli generatywnych, w których przestrzeń ukryta ma nietrywialną topologię, a także do ogólnych metod uczenia się rozmaitości, w których ważna jest krzywizna rozmaitości.

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem north_east

• Strona główna : https://github.com/deepmind/deepmind-research/tree/master/geomancer#stanford-3d-objects-for-disentangling-s3o4d

• Kod źródłowy : tfds.datasets.s3o4d.Builder

• Wersje :

  • 1.0.0 (domyślnie): Wersja pierwsza.

• Rozmiar pobierania : 911.68 MiB

• Rozmiar zbioru danych : 1.01 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

• Struktura funkcji :

FeaturesDict({
    'illumination': Tensor(shape=(3,), dtype=float32),
    'image': Image(shape=(256, 256, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'pose_mat': Tensor(shape=(3, 3), dtype=float32),
    'pose_quat': Tensor(shape=(4,), dtype=float32),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@article{pfau2020disentangling,
  title={Disentangling by Subspace Diffusion},
  author={Pfau, David and Higgins, Irina and Botev, Aleksandar and Racani\`ere,
  S{\'e}bastian},
  journal={Advances in Neural Information Processing Systems (NeurIPS)},
  year={2020}
}