Datasets:
image image | label class label |
|---|---|
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views | |
1reserved_views | |
1reserved_views | |
0input_views | |
0input_views |
nvidia/NuRec-AV-Object-Benchmark(複製)
データの内容
自動運転車の走行データから切り出した物体について、画像から 3D への再構成を評価するためのベンチマーク。物体の RGB 切り出し、前景マスク、カメラのメタデータを、commercial_vehicles、VRU_pedestrians など 5 つのカテゴリに分けて収める。Part_A は評価用に保留した視点(reserved_views)を持ち、Part_B は正解のない、より難しい分割である。Asset Harvester と一緒に公開された。
データの概要
| 項目 | 値 |
|---|---|
| 行数・列数 | 不明(データセットビューアで読めない形式。ファイルの内訳だけを示す) |
| 容量 | 698.36 MB(ファイル 26134 本) |
| ファイルの形式 | jpeg 77、png 76、json 46 |
| 公開 | public |
全データセットの一覧は HYUKI5/dataset-catalog にある。
複製について
nvidia/NuRec-AV-Object-Benchmark をリビジョン c0fb7c7c79aeb43628acc4cd8817ae6b8309c33c の時点でそのまま複製したもの。中身は変えていない。判断モデル Laya(convaiinnovations/laya)の微調整に使う候補として、調査メモ(Laya 学習用データセット調査)に載せたデータを集めている。
出典
- 元のデータセット: https://huggingface.co/datasets/nvidia/NuRec-AV-Object-Benchmark
- 複製したリビジョン:
c0fb7c7c79aeb43628acc4cd8817ae6b8309c33c(2026-03-25 17:35:17+00:00) - 元のライセンス表記:
cc-by-4.0
論文
- 元のカードに論文へのリンクは見つからなかった
アノテーションの方法
作成日
- データセットの作成日:
2026-03-25
微調整に使うときの注意
- 調査メモの台帳での区分: A(許諾型のライセンスだけで、疑義の注記が無い)。区分は記載の文言で機械的に付けたもので、法的な判定ではない。学習に入れる前に元のカードとライセンスの原文で確かめる。
- Laya の入力は 2,048 token まで(ModernBERT-large / mmBERT)。長い本文は先頭から黙って切られるので、切れる行は事前に除くか、要約・切り出しをしてから入れる。
- 分割は記事・文書単位で行い、同じ本文から作った別の問いを学習側と較正側に分けない。温度と閾値は学習に使っていない分割で別々に当てる。
調査メモの記述
| メモ | 節 | ライセンス(記載) | 確認 | 注記 |
|---|---|---|---|---|
nvidia_nemotron.md |
付録. 取得した nvidia 組織のデータセット全件の簡易一覧 (L510) | cc-by-4.0 | 確認済 | 確認印なし(各ファイルの凡例により確認済扱い) / 原文注記: × 非テキスト(ロボット・自動運転・3D・音声・画像・科学計算)または翻訳版ベンチ |
元のカード(日本語訳)
以下は元のデータセットのカードの本文を日本語に訳したもの(機械翻訳)。訳に疑問があるときは、末尾の原文を確かめる。
PhysicalAI 自動運転車 NuRec-AV-Object-Benchmark
データセットの説明
NuRec-AV-Object-Benchmark は、自動運転車のデータ上で画像から 3D への再構成システムを評価するための、物体中心のベンチマークである。Asset Harvester とともに公開されたもので、現実的な視点のバイアスとセンサーのノイズの下で、実環境の AV 物体の再構成を体系的に評価できるように設計されている。
網羅的に密に収集された物体データセットとは異なり、このベンチマークは実際の走行ログに見られる、疎で不完全な観測の条件を反映している。物体は 1 つか少数の視点からしか見えないことが多く、強い遮蔽、モーションブラー、不正確なキャリブレーション、ローリングシャッターの影響、不完全な幾何学的な位置合わせを伴う。
各サンプルは、意味的な物体のカテゴリとサンプルの識別子の下に整理され、物体中心の RGB の切り出し、前景マスク、カメラのメタデータを含む。ベンチマークは、相補的な 2 つの部分に分けて配布される:
Part_A:input_views/とreserved_views/を持つ、ホールドアウトした視点による評価の分割Part_B:input_views/だけを持つ、より難しい正解なしの分割
対応するカテゴリ
commercial_vehiclesconsumer_vehiclesother_objectsVRU_pedestriansVRU_riders
データセットの構造
Part_A: ホールドアウトした視点による評価
Part_A は、input_views/ と、モデルの入力には使わない reserved_views/ を提供する。これらの予約された視点は、定量的な評価のためのホールドアウトの参照ターゲットとして働く。
Part_A の各サンプルには次が含まれる:
input_views/reserved_views/- 視点ごとの
frame_XX.jpeg - 視点ごとの
mask_XX.png camera.json
Part_B: 正解なしの難しい分割
Part_B は意図的により難しく作られている。モーションブラーと遮蔽がより強く、視点の範囲もより狭い。予約された参照の視点は提供しないため、この分割は、より難しい定性的または知覚的な評価の設定を想定している。
Part_B の各サンプルには次が含まれる:
input_views/- 視点ごとの
frame_XX.jpeg - 視点ごとの
mask_XX.png camera.json
データセットの要約
- サンプルの総数:
3716 Part_A:2206サンプルPart_B:1510サンプル
分割の内訳
Part_A
commercial_vehicles:308consumer_vehicles:1472other_objects:55VRU_pedestrians:330VRU_riders:41
Part_B
commercial_vehicles:405consumer_vehicles:602other_objects:90VRU_pedestrians:383VRU_riders:30
作成日
- データセットの作成日:
2026-03-25
参考資料
原文(英語)
PhysicalAI Autonomous Vehicles NuRec-AV-Object-Benchmark
Dataset Description
The NuRec-AV-Object-Benchmark is an object-centric benchmark for evaluating image-to-3D reconstruction systems on autonomous vehicle data. Introduced alongside Asset Harvester, it is designed to support systematic evaluation of in-the-wild AV object reconstruction under realistic viewpoint bias and sensor noise.
Unlike curated object datasets with dense coverage, this benchmark reflects the sparse and imperfect observation regime found in real driving logs. Objects are often seen from only one or a few views, with heavy occlusion, motion blur, noisy calibration, rolling-shutter effects, and imperfect geometric alignment.
Each sample is organized under a semantic object category and a sample identifier, and includes object-centric RGB crops, foreground masks, and camera metadata. The benchmark is distributed in two complementary parts:
Part_A: a held-out-view evaluation split withinput_views/andreserved_views/Part_B: a harder no-ground-truth split withinput_views/only
Supported categories
commercial_vehiclesconsumer_vehiclesother_objectsVRU_pedestriansVRU_riders
Dataset Structure
Part_A: held-out-view evaluation
Part_A provides input_views/ together with reserved_views/ that are not used as model input. These reserved views act as held-out reference targets for quantitative evaluation.
Each Part_A sample contains:
input_views/reserved_views/- per-view
frame_XX.jpeg - per-view
mask_XX.png camera.json
Part_B: hard no-ground-truth split
Part_B is intentionally more challenging. It contains stronger motion blur, heavier occlusion, and narrower view coverage. No reserved reference views are provided, so this split is intended for harder qualitative or perceptual evaluation settings.
Each Part_B sample contains:
input_views/- per-view
frame_XX.jpeg - per-view
mask_XX.png camera.json
Dataset summary
- Total samples:
3716 Part_A:2206samplesPart_B:1510samples
Split composition
Part_A
commercial_vehicles:308consumer_vehicles:1472other_objects:55VRU_pedestrians:330VRU_riders:41
Part_B
commercial_vehicles:405consumer_vehicles:602other_objects:90VRU_pedestrians:383VRU_riders:30
Creation date
- Dataset creation date:
2026-03-25
Reference
- Downloads last month
- 87