R3ST：带有真实轨迹的合成 3D 数据集
计算机视觉与模式识别
2025-12-19 v1
摘要
数据集对于训练和评估用于交通分析和提升道路安全的数值视觉模型至关重要。现有的真实数据集符合真实世界情景，捕捉真实道路物体行为，但通常缺乏精确的 ground-truth 标注。相比之下，合成数据集发挥着关键作用，使能够在无需额外成本或时间的情况下标注大量帧。然而，合成数据集的一个普遍缺点是缺乏真实车辆运动，因为轨迹是使用 AI 模型或基于规则的系统生成的。本文介绍 R3ST (Realistic 3D Synthetic Trajectories)，一种突破这一限制的合成数据集，通过生成合成 3D 环境并整合来自 SinD（从无人机 footage 记录的鸟瞰视角数据集）中派生的真实世界轨迹来实现。该数据集弥合了合成数据与真实轨迹之间的差距，推动了道路车辆轨迹预测研究的进展，提供准确的多模态 ground-truth 标注和真实人类驾驶车辆的轨迹。
引用
@article{arxiv.2512.16784,
title = {R3ST: A Synthetic 3D Dataset With Realistic Trajectories},
author = {Simone Teglia and Claudia Melis Tonti and Francesco Pro and Leonardo Russo and Andrea Alfarano and Leonardo Pentassuglia and Irene Amerini},
journal= {arXiv preprint arXiv:2512.16784},
year = {2025}
}