MoonAnything：大规模月球监督数据的视觉基准
计算机视觉与模式识别
2026-04-02 v1
摘要
对月球表面的精确感知对现代月球探测任务至关重要。然而，开发鲁棒的基于学习的感知系统受到缺乏同时提供几何与光度监督的数据集的制约。现有月球数据集通常缺少几何真值、光度真实感、光照多样性或大规模覆盖。在本文中，我们提出 MoonAnything，一个基于真实月球地形并采用物理渲染的统一基准，首次在多样化光照条件下提供全面的几何与光度监督，且规模宏大。该基准由两个互补子数据集组成：i) LunarGeo 提供立体图像及对应的密集深度图和相机标定，支持三维重建与姿态估计；ii) LunarPhoto 使用空间变化的 BRDF 模型提供照片级真实感图像，并基于真实太阳配置提供多光照渲染，支持反射率估计与光照鲁棒感知。这些数据集合计提供超过 13 万个样本及全面监督。除月球应用外，MoonAnything 为低纹理、高对比度条件下的算法提供了独特的设置和挑战性测试平台，适用于其他无大气天体，并具有超越月球的泛化潜力。我们使用最先进方法建立了基线，并发布了完整数据集及生成工具以支持社区扩展：https://github.com/clementinegrethen/MoonAnything。
引用
@article{arxiv.2604.00682,
title = {MoonAnything: A Vision Benchmark with Large-Scale Lunar Supervised Data},
author = {Clémentine Grethen and Yuang Shi and Simone Gasparini and Géraldine Morin},
journal= {arXiv preprint arXiv:2604.00682},
year = {2026}
}
备注
Accepted to ACM MMSys 2026