WinSyn：用于合成数据的高分辨率测试平台

我们提出 WinSyn，一个利用程序化建模技术生成高质量合成数据的独特数据集与测试平台。该数据集包含从全球各地选取的窗户高分辨率照片，其中有 89,318 张独立的窗户裁剪图，展示了多样的几何与材质特征。我们通过分别在合成图像与真实图像上训练语义分割网络，并在共享的真实图像测试集上比较其性能，从而对一种程序化模型进行评估。具体而言，我们度量平均交并比（mIoU）的差异，并确定与合成数据训练性能相匹配所需的真实图像有效数量。我们设计了一个基线程序化模型作为基准，并提供 21,290 张合成生成的图像。通过对程序化模型进行调优，我们识别出显著影响其复现真实场景保真度的关键因素。重要的是，我们强调了使用当前技术进行程序化建模所面临的挑战，尤其是在复现真实场景空间语义方面的能力。这一见解至关重要，因为程序化模型有潜力桥接到深度、反射率、材质属性和光照条件等隐藏场景方面。