PLT-D3：用于立体深度与场景流的高保真动态驾驶仿真数据集
计算机视觉与模式识别
2024-06-13 v1
摘要
autonomous driving 在计算硬件创新和先进深度学习方法的推动下取得了显著进展。这些进展的基础在于数据集的可用性与质量，这些数据集对于开发和完善可靠且灵活的 autonomous driving 算法至关重要。尽管已developed许多数据集以支持 autonomous driving 感知技术的发展，但很少有数据集能够全面覆盖各种天气情形下的挑战性场景，更遑论提供详细高分辨率数据。许多公开数据集缺乏对困难天气情形的全面覆盖和详尽的高分辨率数据，这些都是训练和验证先进 autonomous driving 感知模型的关键。本文引入 PLT-D3；一个 Dynamic-weather Driving Dataset，旨在增强 autonomous driving 系统对多样化天气情形的适应性。PLT-D3 提供使用 Unreal Engine 5 生成的高保真立体深度和场景流 ground truth 数据。特别是，该数据集包括同步的高分辨率立体图像序列，复制各种动态天气情形，包括雨、雪、雾以及多样化光照条件，为仿真基测试提供了前所未有的真实感。PLT-D3 的主要目标是解决训练和测试资源匮乏的难题，这些资源能够模拟真实世界天气变动。针对 PLT-D3 上的几个关键 autonomous driving 任务已建立基准测试，包括深度估计、光流和场景流，以衡量和提升最新模型的性能。
引用
@article{arxiv.2406.07667,
title = {PLT-D3: A High-fidelity Dynamic Driving Simulation Dataset for Stereo Depth and Scene Flow},
author = {Joshua Tokarsky and Ibrahim Abdulhafiz and Satya Ayyalasomayajula and Mostafa Mohsen and Navya G. Rao and Adam Forbes},
journal= {arXiv preprint arXiv:2406.07667},
year = {2024}
}