16个最常用的3D机器学习数据集【2023】_pascal 3d person

近年来，3D机器学习领域取得了巨大进展，它是一个融合了计算机视觉、计算机图形学和机器学习的跨学科领域。

本文列举了最流行的16个3D机器学习数据集，可以利用这个在线转换工具将数据集中的3D模型文件转到你的算法需要的格式。

1、Princeton Shape Benchmark

Princeton Shape Benchemark（2003）数据集从网络收集的 1,814 个3D模型，格式为 .OFF。 用于评估基于形状的检索和分析算法。

2、Dataset for IKEA 3D models

Dataset for IKEA 3D models and aligned images（2013） 数据集包含759 张图像和 219 个模型，包括 Sketchup (skp) 和 Wavefront (obj) 文件，非常适合姿势估计。

3、Open Surfaces

OpenSurfaces（SIGGRAPH 2013） 数据集是一个大型数据库，其中包含根据真实消费者照片创建的带标注表面。 OpenSurfaces的标注框架利用众包来分割照片中的表面，然后用丰富的表面属性（包括材质、纹理和上下文信息）对其进行注释。

4、PASCAL3D+

PASCAL3D+（2014）数据集包含12 个类别，平均每个类别 3k+ 对象，用于 3D 对象检测和姿态估计。

5、ModelNet

ModelNet （2015）数据集包含662 个类别的 127915 个 3D CAD 模型。其中ModelNet10包含10 个类别的 4899 个模型，ModelNet40包含40个类别的12311个模型，全部都是统一定向的。

6、ShapeNet

ShapeNet （2015）数据集包含超过 300 万个模型和 4K+ 类别。 数据集规模大、组织良好且注释丰富。ShapeNetCore包含55 个类别的 51300 个模型。

7、A Large Dataset of Object Scans

A Large Dataset of Object Scans（2016）数据集包含RGBD 格式的 10K 扫描 + .PLY 格式的重建 3D 模型。

8、ObjectNet3D

ObjectNet3D（2016）数据集包含100 个类别、90,127 个图像、这些图像中的 201,888 个对象和 44,147 个 3D 形状。ObjectNet3D数据集主要用于如下任务：区域提议生成、2D 对象检测、联合 2D 检测和 3D 对象姿态估计以及基于图像的 3D 形状检索

9、Thingi10K

Thingi10K: A Dataset of 10,000 3D-Printing Models （2016）数据集包含
thingiverse.com 上特色“事物”的 10,000 个模型，适合测试 3D 打印技术，例如结构分析、形状优化或实体几何操作。

10、ABC

ABC: A Big CAD Model Dataset For Geometric Deep Learning引入了一个用于几何深度学习的数据集，由超过 100 万个单独的（高质量）几何模型组成，每个模型都与分解为补丁的准确地面实况信息、明确的清晰特征注释和分析微分属性相关。

11、ScanObjectNN