蚂蚁森林 LingBot 釋出開源 2.7T 資料集,涵蓋 6 台攝影機拍攝的 200 萬個真實樣本
3月31日,螞蟻凌波科技正式開源了大型RGB-D資料集「LingBot-Depth-Dataset」。該資料集包含300萬組高品質樣本對,其中200萬組來自真實環境,100萬組為合成渲染。 該資料集總容量達2.71TB,涵蓋六款主流深度相機的數據,使其成為目前規模最大且主要基於真實場景的開源RGB-D資料集。此次發布將提供更豐富、更貼近現實的數據,以推動具身智能、空間感知及3D視覺領域的研究進展。

(圖片:LingBot-Depth-Dataset 的範例。由上至下:RGB 影像、感測器的原始深度圖,以及 ground truth 深度圖。該資料集同時提供原始與 ground truth 深度資訊,為在真實世界條件下訓練與評估模型提供了強大的支援。)
公開的深度資料集長期以來面臨規模有限、真實場景覆蓋不足,以及過度依賴單一硬體類型的挑戰。許多資料集主要為合成資料,在噪聲模式、深度缺口及材質表現方面與真實感測器資料存在顯著差距,這阻礙了訓練模型的實際部署。
LingBot-Depth-Dataset 透過提供大規模的真實場景擷取資料,有效彌補了空間感知領域中的此項數據缺口。 每個樣本包含一張 RGB 影像、原始感測器深度圖以及對應的真實深度圖,使其能直接用於訓練與評估深度估算及深度補全模型。本資料集支援六款常見的深度相機——Orbbec 335、335L,以及 Intel RealSense D405、D415、D435、D455——有助於提升模型在多元裝置與情境下的泛化能力與評估效果。
Ant Lingbo 先前開源的高精度空間感知模型 LingBot-Depth,即以此資料集作為核心訓練數據。相較於 PromptDA 和 PriorDA 等業界主流方法,LingBot-Depth 在室內場景中將深度預測誤差降低超過 70%,在稀疏深度補全任務中則降低約 47%。 該模型部署後,能讓商用深度相機在透明玻璃、反射表面及逆光等嚴苛條件下,無需硬體改裝即可生成更完整、更平滑且更清晰的深度圖。在特定情境下,其表現可媲美頂級工業級深度相機。
對於學術及研究機構而言,這項開源計畫降低了資料收集與標註的門檻,加速了空間感知技術從研究階段向實際應用轉型的進程。隨著機器人技術與具身智能迅速融入實體環境,基於真實世界資料的大規模高品質資料集,將成為推動產業持續進步的關鍵基礎設施。
相關文章
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
加州自動駕駛合規:罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車,並運用其遠端監控技術,管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源:Guident加州正重新定義無人駕駛車輛的監管格局,從科技產業的「快速行動、打破常規」心態,轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩(Harold Braun)在《機器人報告》(The Robo
相關專題推薦
評論 (0)
0/500
3月31日,螞蟻凌波科技正式開源了大型RGB-D資料集「LingBot-Depth-Dataset」。該資料集包含300萬組高品質樣本對,其中200萬組來自真實環境,100萬組為合成渲染。 該資料集總容量達2.71TB,涵蓋六款主流深度相機的數據,使其成為目前規模最大且主要基於真實場景的開源RGB-D資料集。此次發布將提供更豐富、更貼近現實的數據,以推動具身智能、空間感知及3D視覺領域的研究進展。

(圖片:LingBot-Depth-Dataset 的範例。由上至下:RGB 影像、感測器的原始深度圖,以及 ground truth 深度圖。該資料集同時提供原始與 ground truth 深度資訊,為在真實世界條件下訓練與評估模型提供了強大的支援。)
公開的深度資料集長期以來面臨規模有限、真實場景覆蓋不足,以及過度依賴單一硬體類型的挑戰。許多資料集主要為合成資料,在噪聲模式、深度缺口及材質表現方面與真實感測器資料存在顯著差距,這阻礙了訓練模型的實際部署。
LingBot-Depth-Dataset 透過提供大規模的真實場景擷取資料,有效彌補了空間感知領域中的此項數據缺口。 每個樣本包含一張 RGB 影像、原始感測器深度圖以及對應的真實深度圖,使其能直接用於訓練與評估深度估算及深度補全模型。本資料集支援六款常見的深度相機——Orbbec 335、335L,以及 Intel RealSense D405、D415、D435、D455——有助於提升模型在多元裝置與情境下的泛化能力與評估效果。
Ant Lingbo 先前開源的高精度空間感知模型 LingBot-Depth,即以此資料集作為核心訓練數據。相較於 PromptDA 和 PriorDA 等業界主流方法,LingBot-Depth 在室內場景中將深度預測誤差降低超過 70%,在稀疏深度補全任務中則降低約 47%。 該模型部署後,能讓商用深度相機在透明玻璃、反射表面及逆光等嚴苛條件下,無需硬體改裝即可生成更完整、更平滑且更清晰的深度圖。在特定情境下,其表現可媲美頂級工業級深度相機。
對於學術及研究機構而言,這項開源計畫降低了資料收集與標註的門檻,加速了空間感知技術從研究階段向實際應用轉型的進程。隨著機器人技術與具身智能迅速融入實體環境,基於真實世界資料的大規模高品質資料集,將成為推動產業持續進步的關鍵基礎設施。
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了





首頁






