3DRealCar: 一个野外RGB-D车辆数据集，包含360度视角
计算机视觉与模式识别
2025-07-01 v2
摘要
3D 车辆在自动驾驶系统、虚拟/增强现实和游戏中常被使用。然而，现有的3D车辆数据集要么是合成的，要么质量较低，限制了其在实际场景中的应用，并与高质量真实世界3D车辆数据集之间存在显著差距。本文提出了第一个大规模3D真实车辆数据集，称为3DRealCar，具备三个独特特征。(1) 高数量：2500辆车由智能手机仔细扫描，获取具有真实世界尺寸的车辆图像和点云；(2) 高质量：每辆车在平均200个稠密、高分辨率360度RGB-D视角下进行捕获，实现高保真3D重建；(3) 高多样性：数据集包含来自100多个品牌的各种车辆，在三个不同的光照条件下进行收集，包括反射、标准和暗光。此外，我们为每个实例提供详细的车辆解析图，以促进车辆解析任务的研究。我们删除背景点云并将车辆方向标准化为统一轴，以仅对车辆进行重建和可控渲染而无背景。我们在3DRealCar中对不同光照条件下的3D重建结果进行了与最先进方法的基准测试。广泛的实验表明，3DRealCar的标准光照条件部分可用于生成大量高质量3D车辆，提高各种2D和3D与汽车相关的任务。值得注意的是，我们的数据集揭示了最近的3D重建方法在反射和暗光照条件下重建高质量3D车辆面临的挑战。\textcolor{red}{\href{https://xiaobiaodu.github.io/3drealcar/}{Our dataset is here.}}
引用
@article{arxiv.2406.04875,
title = {3DRealCar: An In-the-wild RGB-D Car Dataset with 360-degree Views},
author = {Xiaobiao Du and Yida Wang and Haiyang Sun and Zhuojie Wu and Hongwei Sheng and Shuyun Wang and Jiaying Ying and Ming Lu and Tianqing Zhu and Kun Zhan and Xin Yu},
journal= {arXiv preprint arXiv:2406.04875},
year = {2025}
}
备注
Project Page: https://xiaobiaodu.github.io/3drealcar