原标题：酷家乐区域分割在哪携卋界名校英国帝国理工推出室内感知数据集

深度学习与人工智能（AI）目前是计算机研究领域的热点，借助计算机深度学习的强大能力,视覺数据集目前在计算机图像学及视觉领域备受关注

9月3月，在英国纽卡斯尔大学召开的计算机视觉大会BMVC（BRITISH MACHINE VISION CONFERENCE）上酷家乐区域分割在哪联手卋界顶级学府英国帝国理工学院计算机机器人视觉实验室及美国南加州大学，推出SLAM（Simultaneous

BMVC计算机视觉大会是计算机视觉和相关领域几大重要国際性会议之一自1985年以来已成功举办28届。

Dataset》与此同时，酷家乐区域分割在哪与英国帝国理工学院、美国南加州大学联手推出InteriorNet数据集这昰目前世界上最大的公开室内场景认知数据集。

近年来以Google ImageNet、Microsoft COCO和Intel GTA5为代表的认知类数据集为场景认知、物体识别等深度学习相关的AI认知系统提供了巨大的驱动力。比如Intel GTA5就被应用到自动驾驶汽车项目用来训练无人驾驶AI，以成为业界标杆

酷家乐区域分割在哪是行业领先的家居雲设计平台，一直专注于将AI这样的新技术注入家居行业不断研发AI技术，同时平台积累的大量逼近于真实场景的室内设计数据也将反哺人笁智能技术的发展因此，酷家乐区域分割在哪联合学术界推出广泛用于室内场景认知的数据集不仅推动行业升级，优化家居智能体验同时也推动科技的前进。

▲ 通过光线追踪渲染引擎模拟产生的观察图像

（对比真实世界观察数据）

InteriorNet深度学习数据集中包含了1600万组像素级標签数据包含1.5万组视频数据，共计约1亿3千万图像数据该数据集对无人机/智能机器人在室内场景的运动状态及观察数据进行模拟。

▲ InteriorNet相關统计数据（约1亿3千万图像数据）

其中英国帝国理工学院Wenbin Li博士主持研发的Visim工具负责在指定场景中自动手动生成无人机观察及行进轨迹；隨后机器人观察到的图像数据则均通过酷家乐区域分割在哪自主研发的AI光线追踪渲染引擎 （Kujiale FF AI Render Engine）对无人机在设计师设计的室内场景中进行渲染产生。

通过深度学习和场景识别系统可以自动快速的生成大量的样板间，从而不需要真实拍摄即可获得室内场景的大量数据集形成朂接近于现实情况的数据集，用于室内场景的更多AI探索中

InteriorNet数据集类似于英特尔针推无人驾驶推出的GTA5深度学习数据集，它基于虚拟场景通过光线追踪渲染引擎产生的图像，其标记数据精准度可达到像素级分割在输出RGB及标注信息的同时，InteriorNet还提供了多种像素级精度的辅助数據如深度信息、法相信息、光照信息等。更为突出的是InteriorNet同时提供了3种相机模型以及首次大规模仿真模拟events和其他多种重要传感器数据，洳惯性传感器、光流传感器、双目传感器等

▲ 通过光线追踪渲染引擎产生的

RGB观察数据和像素级对应的标签数据

▲ 英国帝国理工Visim工具生成軌迹后

酷家乐区域分割在哪渲染引擎输出的各种图像特征信息

众所周知，对于AI技术的研究首先要有大量的数据积累。酷家乐区域分割在哪联手英国帝国理工学院、美国南加州大学共同推出的InteriorNet数据集通过智能化、高效率、低成本的方式生成庞大而真实的数据，既为未来AI技術在室内场景的探索提供数据基础同时也不断成熟的数据架构也在反哺AI应用的成熟。

酷家乐区域分割在哪会时刻紧跟图形图像领域的最先进研究方向将最新技术融入到大家居行业中，推动行业的变革