bentuk3d

3dshapes adalah kumpulan data bentuk 3D yang dihasilkan secara prosedural dari 6 faktor laten independen kebenaran dasar. Faktor-faktor tersebut adalah warna lantai, warna dinding, warna objek , skala , bentuk dan orientasi .

Semua kemungkinan kombinasi dari laten ini hadir tepat satu kali, menghasilkan N = 480000 total gambar.

Nilai faktor laten

  • rona lantai: 10 nilai yang ditempatkan secara linear dalam [0, 1]
  • rona dinding: 10 nilai yang ditempatkan secara linear dalam [0, 1]
  • rona objek: 10 nilai yang ditempatkan secara linear dalam [0, 1]
  • skala: 8 nilai yang ditempatkan secara linear dalam [0, 1]
  • bentuk: 4 nilai dalam [0, 1, 2, 3]
  • orientasi: 15 nilai yang ditempatkan secara linear di [-30, 30]

Kami memvariasikan laten satu per satu (mulai dari orientasi, lalu bentuk, dll), dan secara berurutan menyimpan gambar dalam urutan tetap di array images . Nilai-nilai faktor yang sesuai disimpan dalam urutan yang sama dalam larik labels .

Membelah Contoh
'train' 480.000
  • Struktur fitur :
FeaturesDict({
    'image': Image(shape=(64, 64, 3), dtype=uint8),
    'label_floor_hue': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'label_object_hue': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'label_orientation': ClassLabel(shape=(), dtype=int64, num_classes=15),
    'label_scale': ClassLabel(shape=(), dtype=int64, num_classes=8),
    'label_shape': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'label_wall_hue': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'value_floor_hue': float32,
    'value_object_hue': float32,
    'value_orientation': float32,
    'value_scale': float32,
    'value_shape': float32,
    'value_wall_hue': float32,
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Dtype Keterangan
fiturDict
gambar Gambar (64, 64, 3) uint8
label_floor_hue LabelKelas int64
label_objek_hue LabelKelas int64
label_orientasi LabelKelas int64
skala_label LabelKelas int64
label_shape LabelKelas int64
label_wall_hue LabelKelas int64
nilai_lantai_hue Tensor float32
nilai_objek_hue Tensor float32
orientasi_nilai Tensor float32
skala_nilai Tensor float32
nilai_bentuk Tensor float32
nilai_dinding_hue Tensor float32

Visualisasi

  • Kutipan :
@misc{3dshapes18,
  title={3D Shapes Dataset},
  author={Burgess, Chris and Kim, Hyunjik},
  howpublished={https://github.com/deepmind/3dshapes-dataset/},
  year={2018}
}