RGBD20K：用於 RGB-D 語義分割的大型基準資料集
為何重要
對行動裝置與機器人視覺領域的開發者來說，該資料集提供了比現有基準更高品質且更細膩的註釋資料，有助於訓練具備真實世界泛化能力的感知模型，進而推動 AR/VR 與自動裝置的技術進步。
本篇研究提出名為 RGBD20K 的基準資料集，旨在透過豐富的多元資訊促進更通用且強健的 RGB-D 語義分割模型發展。
- 資料集涵蓋 160 細粒度類別，顯著擴充了現有主流基準（如 NYUv2 與 SUN RGB-D）的類別多樣性。
- 提供規模達 20,000 組的 RGB-D 影像對，為深度模型提供更充裕的訓練資源。
- 採用嚴謹的重新評估機制修正過往標註噪聲，確保 ground-truth 基礎的可靠性。
- 提出 SPF（Score-purified fusion） 結合方法，並在評估基準上展現最佳化效能。