s3o4d

• คำอธิบาย :

ชุดข้อมูลที่อธิบายไว้ครั้งแรกในส่วน "Stanford 3D Objects" ของบทความ Disentangling by Subspace Diffusion ข้อมูลประกอบด้วยการเรนเดอร์ 100,000 ครั้งในแต่ละออบเจ็กต์ Bunny และ Dragon จาก Stanford 3D Scanning Repository อาจมีการเพิ่มวัตถุเพิ่มเติมในอนาคต แต่ใช้เฉพาะกระต่ายและมังกรในกระดาษ วัตถุแต่ละชิ้นถูกเรนเดอร์ด้วยแสงตัวอย่างที่สม่ำเสมอจากจุดบนทรงกลม 2 ทรงกลม และการหมุน 3 มิติตัวอย่างที่สม่ำเสมอ สถานะแฝงที่แท้จริงมีให้เป็นอาร์เรย์ NumPy พร้อมกับรูปภาพ การจัดแสงจะได้รับเป็นเวกเตอร์ 3 ตัวที่มีบรรทัดฐานหน่วย ในขณะที่การหมุนมีให้ทั้งในรูปแบบควอเทอร์เนียนและเมทริกซ์มุมฉาก 3x3

มีความคล้ายคลึงกันมากมายระหว่าง S3O4D และชุดข้อมูลการวัดประสิทธิภาพ ML ที่มีอยู่ เช่น NORB , 3D Chairs , 3D Shapes และอื่นๆ อีกมากมาย ซึ่งรวมถึงการเรนเดอร์ชุดของวัตถุภายใต้ท่าทางและสภาพแสงที่แตกต่างกัน อย่างไรก็ตาม ชุดข้อมูลที่มีอยู่เหล่านี้ไม่มีการหมุน ที่หลากหลาย ในรูปแบบ 3 มิติ ส่วนใหญ่มีเพียงชุดย่อยของการเปลี่ยนแปลงระดับความสูงและมุมราบเท่านั้น รูปภาพ S3O4D ได้รับการสุ่มตัวอย่างอย่างสม่ำเสมอและเป็นอิสระจากพื้นที่การหมุนและการส่องสว่างทั้งหมด หมายความว่าชุดข้อมูลประกอบด้วยวัตถุที่กลับหัวและส่องสว่างจากด้านหลังหรือด้านล่าง เราเชื่อว่าสิ่งนี้ทำให้ S3O4D เหมาะอย่างยิ่งสำหรับการวิจัยเกี่ยวกับแบบจำลองเชิงกำเนิดซึ่งพื้นที่แฝงมีโทโพโลยีที่ไม่สำคัญ เช่นเดียวกับวิธีการเรียนรู้ที่หลากหลายทั่วไปที่ความโค้งของท่อร่วมเป็นสิ่งสำคัญ

• เอกสารประกอบเพิ่มเติม : สำรวจในเอกสารด้วยรหัส

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

• ซอร์สโค้ด : tfds.datasets.s3o4d.Builder

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก

• ขนาดดาวน์โหลด : 911.68 MiB

• ขนาดชุดข้อมูล : 1.01 GiB

• แคชอัตโนมัติ ( เอกสาร ): No

• แยก :

แยก	ตัวอย่าง
'bunny_test'	20,000
'bunny_train'	80,000
'dragon_test'	20,000
'dragon_train'	80,000

• โครงสร้างคุณสมบัติ :

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),
})

• เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD	คำอธิบาย
	คุณสมบัติDict
แสงสว่าง	เทนเซอร์	(3,)	ลอย32
ภาพ	ภาพ	(256, 256, 3)	uint8
ฉลาก	ClassLabel		int64
โพสท่า_mat	เทนเซอร์	(3, 3)	ลอย32
โพสท่า_ควอท	เทนเซอร์	(4,)	ลอย32

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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}
}