DF3DV-1K：用于无干扰新视角合成的大规模数据集与基准
计算机视觉与模式识别
2026-04-16 v1 人工智能
摘要
辐射场技术的进展使得新视角合成实现了照片级的真实感。在多个领域，已开发出大规模真实世界数据集，以支持全面基准测试并推动进步超越场景特定的重建。然而，对于无干扰辐射场，缺乏包含清洁与杂乱图像的大规模数据集，这限制了其开发。为此，我们引入 DF3DV-1K，一个大规模真实世界数据集，包含 1,048 个场景，每个场景提供清洁与杂乱图像集合用于基准测试。数据集总计包含 89,924 张图像，采用消费级相机捕获，以模拟随意捕获，涵盖 128 种干扰类型和 161 个场景主题，分布在室内外环境中。我们系统性地设计了 41 个场景子集 DF3DV-41，用于评估在挑战性情景下的无干扰辐射场方法的鲁棒性。利用 DF3DV-1K，我们对比评估了九种最新无干扰辐射场方法以及 3D 高斯溶解，确定了最具鲁棒性的方法以及最具挑战性的情景。除基准测试外，我们演示了 DF3DV-1K 的一个应用：通过微调基于扩散的 2D 增强器来提高辐射场方法的性能，在保留给 DF3DV-41 和 On-the-go 数据集上平均提升 0.96 dB PSNR 和 0.057 LPIPS。我们希望 DF3DV-1K 促进无干扰视觉技术的发展，并推动超越场景特定方法的进步。
引用
@article{arxiv.2604.13416,
title = {DF3DV-1K: A Large-Scale Dataset and Benchmark for Distractor-Free Novel View Synthesis},
author = {Cheng-You Lu and Yi-Shan Hung and Wei-Ling Chi and Hao-Ping Wang and Charlie Li-Ting Tsai and Yu-Cheng Chang and Yu-Lun Liu and Thomas Do and Chin-Teng Lin},
journal= {arXiv preprint arXiv:2604.13416},
year = {2026}
}