Hypersim数据集 对于许多基本的场景理解任务，很难或不可能从真实图像中获得每个像素的地面真相标签。 我们通过引入Hypersim（一种用于真实室内场景理解的逼真的合成数据集）来应对这一挑战。 为了创建我们的数据集，我们利用由专业艺术家创建的合成场景的大型存储库，并生成461个室内场景的77,400张图像，并带有每个像素的详细标签和相应的地面真实几何形状。 我们的数据集：（1）仅依靠可公开获得的3D资产； （2）包括每个场景的完整场景几何图形，材质信息和照明信息； （3）包括每个图像的密集的

Hypersim PyTorch数据加载器 特别感谢Mike Roberts友好回答了GitHub上的所有问题。 原始回购： : 论文： : 一般的 轻量级数据加载器可完全设置MLHypersim数据集以进行语义分割。 可以使用scr ipt/download.py下载与语义细分相关的数据集 该文件下载存储在scr ipt/urls.py列表中的每个文件。 数据集 参数 价值观 ML-Hypersim 图片火车： 74619（总计） 图片Val： 注释： 纽约大学-40