培育强人工智能的「ImageNet」:上海交大卢策吾组提出铰接物体知识库AKB-48

ImageNet 的出现极大推动了计算机视觉领域的发展。在通往强人工智能的路上,我们还需要考虑物体的外观、结构、物理性质、语义等因素。为此,上海交大卢策吾组近日重磅推出了大型真实世界铰接物体知识库 AKB-48!

编译 | OGAI

编辑 | 陈彩娴

铰接物体在我们的生活中无处不在。全面理解这些铰接物体的外观、结构、物理性质和语义,对于研究社区是大有助益的。

目前的铰接物体理解方法通常是基于不考虑物理特性的 CAD 模型的合成物体数据集,这不利于视觉和机器人任务中从仿真环境到实际应用的泛化。

为了弥补这一差距,我们提出了AKB-48:一个大规模的铰接物体知识库,它包含 48 个类别的 2,037 个真实世界中的三维铰接物体模型。

我们通过铰接知识图谱 artiKG 描述每个物体。为了构建 AKB-48,我们提出了一个快速铰接知识建模流程(FArM),可以在 10-15 分钟内构建铰接物体的 ArtiKG,在很大程度上降低了在现实世界中对物体建模的开销。在该数据的基础上,我们提出了一个新颖的集成网络框架 AKBNet,用于类别级的视觉铰接操作(C-VAM)任务。我们提出了三个对比基准子任务,即姿态估计,物体重建和控制。

论文地址:http://jiqiren.org.cn/d/file/titlepic/20220415/http://www.jiqiren.org.cn/wp-content/uploads/2022/04/20220415100056-62594258711eb.pdf

THE END
分享
二维码
< <上一篇
下一篇>>