symmetric_solids,symmetric_solids

• คำอธิบาย :

นี่คือชุดข้อมูลการประมาณท่าทางซึ่งประกอบด้วยรูปทรง 3 มิติที่สมมาตรซึ่งการวางแนวหลายทิศทางจะแยกไม่ออกด้วยสายตา ความท้าทายคือการคาดการณ์การวางแนวที่เท่ากันทั้งหมด เมื่อจับคู่การวางแนวเดียวกับแต่ละภาพระหว่างการฝึก (เช่นเดียวกับสถานการณ์สำหรับชุดข้อมูลการประมาณท่าทางส่วนใหญ่) ตรงกันข้ามกับชุดข้อมูลการประมาณค่าท่าทางส่วนใหญ่ ชุดของการวางแนวที่เทียบเท่ามีให้สำหรับการประเมิน

มีรูปร่างทั้งหมดแปดรูปร่าง แต่ละรูปร่างแสดงผลจากมุมมอง 50,000 จุด กระจายอย่างสม่ำเสมอโดยสุ่มบนพื้นที่เต็มของการหมุน 3 มิติ ห้ารูปทรงที่ไม่มีคุณลักษณะ ได้แก่ จัตุรมุข ลูกบาศก์ icosahedron กรวย และทรงกระบอก ในจำนวนนั้น ของแข็งพลาโทนิกทั้งสาม (tetrahedron, cube, icosahedron) ได้รับคำอธิบายประกอบด้วยความสมมาตรแบบไม่ต่อเนื่อง 12-, 24- และ 60 เท่าตามลำดับ กรวยและทรงกระบอกได้รับการอธิบายประกอบโดยมีความสมมาตรต่อเนื่องโดยแยกเป็นช่วงๆ ละ 1 องศา ความสมมาตรเหล่านี้มีไว้สำหรับการประเมิน การควบคุมที่ตั้งใจไว้คือการหมุนเพียงครั้งเดียวกับแต่ละภาพ

รูปทรงที่เหลืออีกสามรูปทรงมีเครื่องหมายแสดงลักษณะเฉพาะ มีรูปทรงจัตุรมุขที่มีหน้าสีแดงด้านหนึ่ง ทรงกระบอกที่มีจุดอยู่นอกศูนย์กลาง และทรงกลมที่มี X ล้อมรอบด้วยจุด ไม่ว่าจะมองเห็นลักษณะเด่นหรือไม่ก็ตาม พื้นที่ของการวางแนวที่เป็นไปได้จะลดลง เราไม่มีชุดของการหมุนที่เท่ากันสำหรับรูปร่างเหล่านี้

แต่ละตัวอย่างประกอบด้วย

• ภาพ 224x224 RGB

• ดัชนีรูปร่างเพื่อให้ชุดข้อมูลอาจถูกกรองตามรูปร่าง
  ดัชนีสอดคล้องกับ:

  • 0 = จัตุรมุข
  • 1 = ลูกบาศก์
  • 2 = icosahedron
  • 3 = กรวย
  • 4 = กระบอกสูบ
  • 5 = จัตุรมุขที่มีเครื่องหมาย
  • 6 = ทรงกระบอกที่ทำเครื่องหมายไว้
  • 7 = ทรงกลมที่ทำเครื่องหมายไว้

• การหมุนที่ใช้ในกระบวนการเรนเดอร์ ซึ่งแสดงเป็นเมทริกซ์การหมุนขนาด 3x3

• ชุดของการหมุนสมมูลที่รู้จักภายใต้ความสมมาตร สำหรับการประเมิน

ในกรณีของรูปร่างที่ทำเครื่องหมายไว้สามแบบ นี่เป็นเพียงการหมุนเวียนการแสดงผลเท่านั้น

• เอกสารประกอบเพิ่มเติม : สำรวจเอกสารด้วยรหัส

• หน้าแรก : https://implicit-pdf.github.io

• ซอร์สโค้ด : tfds.datasets.symmetric_solids.Builder

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก

• ขนาดการดาวน์โหลด : 3.10 GiB

• ขนาดชุดข้อมูล : 3.94 GiB

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• แยก :

แยก	ตัวอย่าง
'test'	40,000
'train'	360,000

• โครงสร้างคุณลักษณะ :

FeaturesDict({
    'image': Image(shape=(224, 224, 3), dtype=uint8),
    'label_shape': ClassLabel(shape=(), dtype=int64, num_classes=8),
    'rotation': Tensor(shape=(3, 3), dtype=float32),
    'rotations_equivalent': Tensor(shape=(None, 3, 3), dtype=float32),
})

• เอกสารคุณสมบัติ :

ลักษณะเฉพาะ	ระดับ	รูปร่าง	Dประเภท	คำอธิบาย
	คุณสมบัติDict
ภาพ	ภาพ	(224, 224, 3)	uint8
label_shape	ป้ายกำกับคลาส		int64
การหมุน	เทนเซอร์	(3, 3)	ลอย32
การหมุน_เทียบเท่า	เทนเซอร์	(ไม่มี, 3, 3)	ลอย32

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('image', 'rotation')

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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}
}