该数据集包含 2D 深度图像,如下图所示。像 KITTI 数据集中的 360 度 LiDAR 框架在传感器本身周围呈圆柱形。该数据集中的 2D 深度图像可以表示为您在 LiDAR 框架的圆柱体上进行了切割并将其拉直以位于 2D 平面中。这些 2D 深度图像的像素代表反射物体与 LiDAR 传感器的距离。 2D 深度图像的垂直分辨率(在我们的例子中为 64)表示用于扫描周围环境的 LiDAR 传感器
Argoverse针对的任务:3D追踪和动作预测,两个任务对应的数据集其实是独立的,只是采集设备和采集地点一样而已。提供了360度的视频和点云信息,并根据点云重建了地图,全天候全光照。标注了视频和点云中的3D bounding box。3D追踪的数据集包含113段15-30秒的视频,动作预测中包含323,557段5秒的视频(总计320小时)。数据集的主要亮点还是在原始数据和地图的联动上。
数据集介绍: 收集了 640 个在大小、纹理、背景杂波和照明等方面具有显着变化的光场。生成微透镜图像阵列和中心观察图像,并生成相应的地面实况图。 Citation If you find our paper and repo useful, please cite our paper. Thanks! @article{Zhang2020, title={Light Field Sa
该数据集已特别针对非洲地区进行了改进。 两个开源数据集仅用于提取非洲地区使用的交通标志。该数据集包含来自所有类别的 76 个类,例如 监管、警告、指南和信息标志。 该数据集总共包含 19,346 张图像和每个类别至少 200 个实例。
该存储库包含两个语义分割的道路场景图像合成数据集,它们是作为 Cam2BEV 项目的一部分创建的。在该项目中,数据集收集了多个车载摄像头的图像,并被用于计算语义分割的鸟瞰图(BEV)图像。同时该数据集被arXiv论文"A Sim2Real Deep Learning Approach for the Transformation of Images from Multiple Vehicle-Mo
CamSeq是一个地面数据集,可自由用于视频目标识别中的研究工作。该数据集包含 101 个 960x720 像素的图像对。 每个掩码都由文件名之外的“_L”指定。 所有图像(原始图像和真实图像)均为未压缩的 24 位彩色 PNG 格式。 该数据集最初是针对自动驾驶汽车的问题而设计的。此序列描绘了从一辆动感的汽车拍摄的剑桥市的动感驾驶场景。这是一个具有挑战性的数据集,因为除了汽车的自我运动之外,其他
本数据集来自于AIM 2022 压缩图像和视频超分辨率挑战赛”中的前 5 名解决方案工作:Swin2SR: SwinV2 Transformer for Compressed Image Super-Resolution and Restoration Please check our project SWIN2SR https://github.com/mv-lab/swin2sr ???? ????