Google釋出最新的，這是一個從不同角度，拍攝大量日常物體的影片集合，影片的特色是長度短，且物體總是位於中央，每個影片片段包含AR對話元資料，像是相機的位置以及稀疏點雲，還有由人工標記的3D定界框（Bounding Box），以描述物體的位置、朝向和維度。

利用許多照片資料來訓練機器學習模型，可使電腦視覺功能的表現越來越好，但Google提到，相較於目前應用在2D任務的影像資料集，例如ImageNet、COCO和Open Images，真實世界3D物體資料集仍不足，使得運用機器學習模型理解3D物體，仍是一項具有挑戰性的任務。

因此Google發布了Objectron資料集，來補充不足的3D物體資料集，該資料集收集多角度拍攝物體影片，可以捕捉物體更多的3D結構之外，也提供方便用於諸如影片和攝影機串流等，電腦視覺任務的資料格式，有助於機器學習模型的訓練以及建立基準。

Objectron資料集總共有1.5萬個註解影片片段，並且有400萬張註解圖片作為補充，圖片內容包括腳踏車、書、瓶子、照相機、穀物盒、椅子、杯子、筆電和鞋子。為了確保資料集的多樣性，資料集內容來自5大洲10個國家。

除了釋出Objectron資料集，Google還在MediaPipe中釋出，可用來偵測4類物體的3D物體偵測模型，包括鞋子、椅子、杯子和照相機，這些模型是利用Objectron資料集訓練而成。MediaPipe是Google跨平臺可客製化機器學習解決方案框架，能用來處理即時和串流媒體，開發諸如裝置上虹膜或是姿勢追蹤等應用。

與Google之前發布的單階段Objectron模型不同，這些新版的模型採用雙階段基礎架構，第一階段應用TensorFlow物件偵測模型，來找出模型的2D剪裁，進到第二階段，使用圖像剪裁來估算3D定界框，並同時為下一個影格計算2D剪裁，Google提到，這個新方法不需要在每一個影格，都執行物體偵測器，使得效能更好，在Adreno 650行動GPU上，能夠以83 FPS的速度執行。