3D-COCO ist eine Erweiterung des weit verbreiteten MS-COCO-Datensatzes, die für objekterkennungskonfigurierbare Textabfragen, 2D-Bildabfragen oder 3D-CAD-Modellabfragen sowie für Einzel- oder Mehrfachansicht-3D-Rekonstruktion angepasst ist.
In dieser Arbeit präsentieren wir einen integrierten Ansatz zur Echtzeit-Mückenerkennung unter Verwendung unseres Multiclass-Datensatzes (MosquitoFusion) mit 1204 vielfältigen Bildern und nutzen modernste Technologien, insbesondere Computervision, um die Identifizierung von Mücken, Schwärmen und Brutstätten zu automatisieren.
Der MTMMC-Datensatz bietet eine große, realistische Testumgebung für die Entwicklung und Evaluierung von Multi-Ziel-Multi-Kamera-Tracking-Systemen, die in verschiedenen Anwendungsfällen wie Videoüberwachung, Verhaltensanalyse und Anomalieerkennung eingesetzt werden können.
DiVa-360 ist ein Datensatz für synchronisierte, hochauflösende und langfristige 360-Grad-Videosequenzen von Tischszenen mit dynamischen Objekten und Handinteraktionen, der die Forschung zu dynamischen neuronalen Feldern vorantreiben soll.
Der GTA-HDR-Datensatz ist ein großangelegter synthetischer Datensatz, der eine Vielzahl von Szenen und Bildeigenschaften umfasst, um die Entwicklung von datengesteuerten lernbasierten Methoden zur HDR-Bildrekonstruktion zu unterstützen.
EgoExoLearn ist ein großer Datensatz, der den menschlichen Prozess des Lernens durch Beobachtung von Demonstrationen nachempfindet. Der Datensatz enthält egozentrische Videos von Teilnehmern, die Aufgaben ausführen, nachdem sie exozentrische Demonstrationsvideos gesehen haben. Der Datensatz ermöglicht die Erforschung der Fähigkeit, asynchrone Verfahrensaktionen aus unterschiedlichen Perspektiven zu überbrücken.