Matterport3D 数据集

90 栋真实建筑的室内 RGB-D 扫描数据集，是室内导航研究的常用场景库。

Matterport3D（缩写 MP3D）由普林斯顿大学、斯坦福大学等机构的研究者发表于 2017 年 3DV 会议，数据来自 Matterport 三维扫描相机。它覆盖 90 栋建筑规模的真实室内场景，共 194,400 张 RGB-D 图像（彩色图加深度图），拼成 10,800 张全景图，并提供表面重建网格、相机位姿和 2D/3D 语义分割标注。它的意义在于让研究者能在真实房屋的数字副本里训练和评测智能体，不必每次都把机器人搬进真实住宅：视觉语言导航基准 R2R 就建在它之上，Habitat 等仿真平台也把它作为标准场景，用于点目标导航、物体目标导航等任务。后来的 HM3D 把场景数扩展到 1000 个。获取数据前需要签署使用条款。

例子R2R 基准在 Matterport3D 的 90 栋建筑里标注了约 2.2 万条导航指令（平均 29 个词），智能体要听懂类似「穿过厨房，在楼梯旁的门口停下」的描述并走到终点。

也叫

Matterport 3D、MP3D

相关

HM3D 数据集、Habitat、R2R / VLN-CE 视觉语言导航基准、视觉语言导航、物体目标导航、ScanNet 数据集

来源

Matterport3D 项目主页
Room-to-Room (R2R) 数据集主页

信息截至

2017