- תיאור:
זהו מערך הערכת תנוחות, המורכב מצורות תלת מימד סימטריות שבהן אין אפשרות להבחין ויזואלית במספר כיוונים. האתגר הוא לחזות את כל הכיוונים המקבילים כאשר רק כיוון אחד משויך לכל תמונה במהלך האימון (כמו התרחיש של רוב מערכי הנתונים של הערכת תנוחות). בניגוד לרוב מערכי הנתונים להערכת תנוחות, הסט המלא של הכיוונים המקבילים זמין להערכה.
ישנן שמונה צורות בסך הכל, כל אחת מ -50,000 נקודות מבט המופצות באופן אחיד באופן אקראי על פני כל שטח הסיבובים התלת -ממדיים. חמש מהצורות חסרות תכונות - טטרהדרון, קובייה, אייקוסאהדרון, קונוס וגליל. מתוכם, שלושת המוצקים האפלטוניים (טטרהדרון, קובייה, איקוסאהדרון) מסומנים עם הסימטריות הבודדות שלהם 12, 24 ו -60 פי, בהתאמה. החרוט והצילינדר מסומנים עם הסימטריות הרציפות שלהם המופרשות במרווחים של מעלה אחת. סימטריות אלה ניתנות להערכה; ההשגחה המיועדת היא סיבוב אחד בלבד עם כל תמונה.
שלוש הצורות הנותרות מסומנות במאפיין ייחודי. יש טטרהדרון עם פנים בצבע אדום אחד, גליל עם נקודה מחוץ למרכז וכדור עם X המכוסה בנקודה. בין אם התכונה המייחדת גלויה ובין אם לאו, המרחב של כיוונים אפשריים מצטמצם. אנו לא מספקים את קבוצת הסיבובים השווים לצורות אלה.
כל דוגמא מכילה
- תמונת RGB 224x224
אינדקס צורה כך שניתן יהיה לסנן את מערך הנתונים לפי הצורה.
המדדים תואמים את:- 0 = טטרהדרון
- 1 = קובייה
- 2 = איקוסידרון
- 3 = קונוס
- 4 = גליל
- 5 = טטרהדרון מסומן
- 6 = גליל מסומן
- 7 = כדור מסומן
הסיבוב המשמש בתהליך העיבוד, המיוצג כמטריצת סיבוב 3x3
קבוצת הסיבובים המקבילים הידועים תחת סימטריה, להערכה.
במקרה של שלוש הצורות המסומנות, זהו סיבוב העיבוד בלבד.
דף הבית: https://implicit-pdf.github.io
גרסאות:
-
1.0.0
(ברירת המחדל): מהדורה ראשונית.
-
גודל ההורדה:
3.10 GiB
גודל בסיס הנתונים:
3.94 GiB
Auto-במטמון ( תיעוד ): אין
פיצולים:
לְפַצֵל | דוגמאות |
---|---|
'test' | 40,000 |
'train' | 360,000 |
- מאפיינים:
FeaturesDict({
'image': Image(shape=(224, 224, 3), dtype=tf.uint8),
'label_shape': ClassLabel(shape=(), dtype=tf.int64, num_classes=8),
'rotation': Tensor(shape=(3, 3), dtype=tf.float32),
'rotations_equivalent': Tensor(shape=(None, 3, 3), dtype=tf.float32),
})
מפתחות השגחה (ראה
as_supervised
doc ):('image', 'rotation')
איור ( tfds.show_examples ):
- דוגמאות ( tfds.as_dataframe ):
- ציטוט:
@inproceedings{implicitpdf2021,
title = {Implicit Representation of Probability Distributions on the Rotation
Manifold},
author = {Murphy, Kieran and Esteves, Carlos and Jampani, Varun and
Ramalingam, Srikumar and Makadia, Ameesh}
booktitle = {International Conference on Machine Learning}
year = {2021}
}