Holo360D：用于推动全景3D重建的大规模真实世界数据集 with Continuous Trajectories
计算机视觉与模式识别
2026-04-27 v1 图形学
摘要
尽管前馈3D重建模型取得了快速进展，但它们在全景图像上的表现仍受到球面畸变的影响。此外，现有的全景3D数据集主要由固定于离散位置的360摄像机收集，导致轨迹不连续。这些限制严重阻碍了全景前馈3D重建的发展，尤其是对于多视角设置而言。在本文中，我们提出Holo360D，一个包含109,495个全景图像，配有注册点云、网格和对齐相机姿态的综合数据集。据我们所知，Holo360D是首个提供连续全景序列且深度图对齐且完整性高的数据集。原始数据使用3D激光扫描仪配合360摄像机收集。随后，使用在线和离线SLAM系统处理这些数据。此外，为增强3D数据质量，提出了针对360数据集的后处理管线，包括几何去噪、网格填洞和区域特定重网格化。最后，我们在Holo360D上微调3D重建模型，建立新基准，提供有效微调策略的关键见解。我们的结果表明，Holo360D提供优越的训练信号，并为推动全景3D重建模型提供了全面的基准。数据集和代码将公开提供。
引用
@article{arxiv.2604.22482,
title = {Holo360D: A Large-Scale Real-World Dataset with Continuous Trajectories for Advancing Panoramic 3D Reconstruction and Beyond},
author = {Jing Ou and Zidong Cao and Yinrui Ren and Zhuoxiao Li and Jinjing Zhu and Tongyan Hua and Shuai Zhang and Hui Xiong and Wufan Zhao},
journal= {arXiv preprint arXiv:2604.22482},
year = {2026}
}