ClaraVid：基于 Delentropy 复杂度剖析的航空全景场景重建基准数据集

航空全景场景理解算法的开发受限于缺乏支持语义与几何重建的综合性数据集。虽然合成数据集提供了替代方案，但现有选项 exhibit 任务特定的局限性、不真实的场景构成以及 compromise 实际应用性的渲染痕迹。我们引入 ClaraVid，一个专为克服这些局限性而设计的航空合成数据集。该数据集包含 16,917 张分辨率为 4032x3024 的高分辨率图像，来自多个视点及多样化景观。ClaraVid 提供稠密深度图、全景分割、稀疏点云和动态对象掩码，同时缓解常见渲染痕迹。为进一步推动神经重建，我们提出 Delentropic Scene Profile (DSP)，一种 novel complexity metric，源自微分熵分析，用于定量评估场景难度并指导重建任务。利用 DSP，我们系统性地对神经重建方法进行基准测试，发现场景复杂度与重建精度之间存在一致的、可衡量的相关性。经验结果表明，更高的 delentropy 与更大的重建误差强烈相关，验证了 DSP 作为可靠复杂度先验的有效性。该数据与代码已在项目页面 https://rdbch.github.io/claravid/ 提供。