论文页面 - RGBD20K：大规模RGB-D语义分割基准数据集

来源：https://huggingface.co/papers/2609.29028

摘要

本文提出RGBD20K，这是一个旨在促进更鲁棒和通用RGB-D语义分割模型发展的新型数据集。该数据集包含丰富的类别与高质量标注。RGBD20K具有以下显著特性： (1) 扩展语义空间：尤其涵盖了160个细粒度类别，远超现有主流RGB-D基准数据集（例如包含40类的NYUv2和37类的SUNRGB-D）的类别多样性。通过如此丰富的语义覆盖，我们期望推动更具泛化能力的分割模型学习。 (2) 更大规模：相较于现有基准数据集，RGBD20K提供了20,000对RGB-D图像，为开发更强大的深度模型提供了实质性的更大规模训练资源。 (3) 高保真标注：我们对现有标签进行了严格的重新评估与修正，解决了长期存在的标注噪声问题，从而构建了干净可靠的真值基础。此外，我们提出了一种新颖的得分净化融合方法，该方法在所有评估基准上均达到了最先进的性能，证明了我们利用高质量多模态信息进行RGB-D语义分割的有效性。数据集地址：https://github.com/ShaohuaDong2021/RGBD20K/。

查看arXiv页面 (https://arxiv.org/abs/2609.29028)查看PDF (https://arxiv.org/pdf/2609.29028)GitHub仓库 (https://github.com/ShaohuaDong2021/RGBD20K)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.29028)

在您的代理中获取此论文：

hf papers read 2609\.29028

没有最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型关联此论文

在模型README.md中引用 arxiv.org/abs/2609.29028 以从本页链接。

引用此论文的数据集0

没有数据集关联此论文

在数据集README.md中引用 arxiv.org/abs/2609.29028 以从本页链接。

引用此论文的Spaces0

没有Space关联此论文

在Space README.md中引用 arxiv.org/abs/2609.29028 以从本页链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection)以从本页链接。