3DReflecNet：面向反射、透明及低纹理物体三维重建的大规模数据集
计算机视觉与模式识别
2026-05-12 v1
摘要
对具有反射、透明或低纹理表面的物体进行精确的三维重建仍然极具挑战性。此类材料通常会违背多视图重建流程中的关键假设，如光度一致性和独特几何纹理线索的可用性。现有数据集主要关注漫反射、有纹理的物体，因此对现实世界材料复杂性下的性能提供的洞察有限。我们引入了 3DReflecNet，一个超过 22 TB 的大规模混合数据集，专门设计用于对这些具有挑战性的材料进行基准测试并推动三维视觉方法的发展。3DReflecNet 结合了两类数据：通过对超过 12,000 个形状进行基于物理的渲染生成的超过 120,000 个合成实例，以及使用消费级设备捕获的超过 1,000 个真实世界物体。这些数据合计包含超过 700 万个多视图帧。该数据集涵盖了多种材料、复杂的照明条件以及广泛的几何形态，包括使用基于扩散的流程从真实和 LLM 合成的 2D 图像生成的形状。为了支持稳健的评估，我们为五项核心任务设计了基准：图像匹配、运动恢复结构、新视角合成、反射去除和重照明。大量实验表明，SOTA 方法在这些设定下难以保持准确性，凸显了对更具鲁棒性的三维视觉模型的需求。
引用
@article{arxiv.2605.10204,
title = {3DReflecNet: A Large-Scale Dataset for 3D Reconstruction of Reflective, Transparent, and Low-Texture Objects},
author = {Zhicheng Liang and Haoyi Yu and Boyan Li and Dayou Zhang and Zijian Cao and Tianyi Gong and Junhua Liu and Shuguang Cui and Fangxin Wang},
journal= {arXiv preprint arXiv:2605.10204},
year = {2026}
}
备注
This paper has been accepted by CVPR 2026 Oral