InteriorNet：兆级多传感器照片真实感室内场景数据集

数据集在计算机视觉界获得了巨大 popularity，从基于深度学习方法的训练与评估到同步定位与建图（SLAM）的基准测试。毫无疑问，合成图像因在数据量上的可扩展性——无需繁琐的手动真值标注或测量即可获取——而具有巨大潜力。在此，我们提出一个数据集，旨在相比现有数据集提供更高程度的照片真实感、更大规模、更多变异性，并服务于更广泛的目的。我们的数据集利用了数百万专业室内设计以及数百万生产级家具与物体资产——均带有精细几何细节与高分辨率纹理。我们遵循真实轨迹渲染高分辨率、高帧率视频序列，同时支持多种相机类型并提供惯性测量。随数据集发布，我们将在 https://interiornetdataset.github.io 提供交互式模拟器软件的可执行程序以及我们的渲染器。为展示数据集的可用性与独特性，我们给出了稀疏与稠密SLAM算法的基准测试结果。