超越单一光照：面向变化光照下城市场景重建的大规模航拍数据集
计算机视觉与模式识别
2025-12-17 v1
摘要
Neural Radiance Fields 和 3D Gaussian Splatting 的最新进展通过拟合图像外观，展现了在基于大规模无人机（UAV）的 3D 重建任务中的巨大潜力。然而，现实世界的大规模采集通常基于多时相数据采集，其中一天中不同时段的光照不一致性会显著导致颜色伪影、几何不准确和外观不一致。由于缺乏在不同光照条件下系统采集同一区域的无人机数据集，这一挑战在很大程度上仍未被探索。为了填补这一空白，我们引入了 SkyLume，这是一个大规模、真实世界的无人机数据集，专门设计用于研究城市场景建模中光照鲁棒的 3D 重建：(1) 我们从 10 个城市区域收集了包含超过 10 万张高分辨率无人机图像（四个倾斜视图和正射视图）的数据，其中每个区域在一天中的三个时段进行采集，以系统地分离光照变化。(2) 为了支持对几何和外观的精确评估，我们提供了每个场景的 LiDAR 扫描和精确的 3D 真值，用于评估不同光照下的深度、表面法线和重建质量。(3) 对于逆向渲染任务，我们引入了时间一致性系数，这是一个衡量跨时间反射率稳定性并直接评估光与材质解耦鲁棒性的指标。我们希望这一资源能够作为促进大规模逆向渲染、几何重建和新视角合成研究与现实世界评估的基础。
引用
@article{arxiv.2512.14200,
title = {Beyond a Single Light: A Large-Scale Aerial Dataset for Urban Scene Reconstruction Under Varying Illumination},
author = {Zhuoxiao Li and Wenzong Ma and Taoyu Wu and Jinjing Zhu and Zhenchao Q and Shuai Zhang and Jing Ou and Yinrui Ren and Weiqing Qi and Guobin Shen and Hui Xiong and Wufan Zhao},
journal= {arXiv preprint arXiv:2512.14200},
year = {2025}
}