介绍了利用计算机图形学技术创建虚拟世界的方法和困难，详细介绍了基于游戏资源的虚拟世界构建方法和拓展工具 UnrealCV，并给出了两个应用实例：基于虚拟世界的证明性图像数据集和测试深度学习算法。

Sep, 2016

本研究基于虚幻引擎开发了一个模拟器，支持模拟物理、可视化，可为自主驾驶汽车的机器学习算法提供大量标注过的训练数据，并支持硬件仿真，本模拟器架构具有可扩展性和模块化设计。同时，研究者还使用四轴飞行器作为自主车辆进行了实验比较软件组件和实际飞行情况，表明了其应用价值。

May, 2017

本文提出了一种基于 GeoSim 的几何感知图像合成过程，通过从其他场景中提取的动态对象进行图像合成从而合成新的城市驾驶场景，该方法能够生成真实的、交通意识的、几何一致的合成图像，适用于复杂的场景规模，并演示了其在长程实际视频模拟和合成数据增强等领域的有用性。

Jan, 2021

该研究论文介绍了 CrowdSim2—— 一个新的人和车辆检测适用的合成图像集合，旨在用于基于人工智能的监督模型开发。研究发现他们使用的这个新数据集对于在受控环境中测量检测器性能是一个有价值的工具。

Apr, 2023

用于评估自动驾驶算法的仿真器，具有逼真的场景、用户友好的工作流程和高度准确的车辆动力学模型。

Jan, 2024

为了增强自动驾驶系统的有效性，本文提出了 ARSim，一个全自动、综合和模块化框架，用于通过将 3D 合成对象与真实多视图图像数据相结合，来提高真实世界场景的多样性和覆盖范围。实验结果表明，在各种自动驾驶感知任务上，使用增强数据集训练的网络性能更优。

Mar, 2024

介绍了 BEHAVIOR Vision Suite（BVS），它是一套用于生成全面定制的合成数据以系统评估计算机视觉模型的工具和资源，并且支持在场景、对象和摄像机级别进行可调参数的任意变化，以执行可控实验。

May, 2024

本文提出了一种名为 LiDARsim 的模拟器，利用真实数据生成 3D 场景，通过物理模拟和深度神经网络相结合来生成 LiDAR 点云，用于测试感知算法和评估安全场景。

Jun, 2020

通过混合模拟器和现实世界的数据，SimGen 模型能够学习生成具有多样性的驾驶场景，通过新颖的级联扩散管道解决了模拟到真实世界之间的差距和多条件冲突，并在保持可控性的基础上，获得卓越的生成质量和多样性。

Jun, 2024

UniSim 是一个神经传感器模拟器，它可以将一个由传感器设备的车辆记录的日志转化为逼真的闭环多传感器模拟，用于安全关键场景的闭环评估。

Aug, 2023