通过使用合成数据，我们提出了一种高度自动化的方法来通过单个图像校准运动相机，使用新颖的相机姿态引擎，以及采用两个 GAN 模型来检测场地标记，并在合成和真实数据中取得了鲁棒性和最新技术表现。

Oct, 2018

使用计算算法和相机进行非侵入性、低成本和可扩展的生理（例如心肺）重要指标的测量非常吸引人。该研究引入了 Synthetic 数据集 SCAMPS 为相机测量生理指标提供完美标签，并以真实数据集作为测试集以说明可推广性。

Jun, 2022

使用逼真的渲染技术创建的 Synscapes 合成数据集在街景分割的训练和验证方面展示了最先进的结果，并研究了网络在合成数据上推断时的行为，并分析了现有分割和检测模型，为计算机视觉系统的分析提供了细微的信息。

Oct, 2018

本研究中，我们提出了一种名为 Synfeal 的数据驱动模拟器，通过在真实世界的逼真三维重建中移动虚拟摄像机并收集相应的地面真实摄像机姿势来合成真实场景的大型定位数据集。通过使用 Synfeal 合成数据集并对其进行有针对性的训练，本文证明了这能够优于其他数据集的训练效果，而且当数据集的大小越大时，算法的性能也显著提高。

May, 2023

提出了一种从单幅图像中估计完整的标定参数集的方法，通过数字图像相关获得图像点和标定目标上物理点之间的对应关系，同时在先前评估了主点之后分别计算出有效焦距和外部参数，最终获得整个图像上密集均匀的无模型畸变图。

Mar, 2024

使用基于神经网络的图像重建，提出通用的事件相机标定框架，实现内在和外在标定，从而可以进行基于时间和基于帧的传感器之间的内外标定，并证明该方法在不同畸变模型和畸变参数下都非常准确。

May, 2021

本论文提出使用一个深度卷积神经网络直接推断相机标定参数，其优于各种其他方法，包括最近的基于深度学习的方法，并通过人类感知研究展示其实用性。

Dec, 2017

相机校准在体育分析领域中是一个至关重要的组成部分，它作为从广播图像中提取 3D 信息的基础。然而，目前的基准标准阻碍了相机校准研究的进展。为了克服这些限制，我们设计了一个名为 ProCC 的新基准协议，并通过对世界杯 2014、CARWC 和 SoccerNet 数据集的实验证明，我们的基准协议提供了更公平的相机校准方法评估。通过明确我们对适当基准的要求，我们希望为具有高精度标准的体育应用的相机校准开辟新的阶段。

Apr, 2024

通过利用街景图像重建度量的三维模型并精确校准 100 多个全球交通摄像头，本研究展示了一个可扩展的框架，以解决基于野外摄像头的精确校准挑战，并通过提取信息进行交通分析，从而开发出利用室外摄像头进行自动分析的潜力。

Nov, 2023

WinSyn 数据集是一个用于合成至真研究的测试工具，包括高分辨率的建筑窗户照片和 3D 模型渲染图。该数据集由全球范围内的 75,739 张建筑窗户高分辨率照片组成，并包括传统和现代设计。其中有 89,318 个窗户的剪裁子图像，其中有 9,002 个具有语义标签。此外，我们还提供了与领域匹配的逼真程序模型，可以对各种参数分布和工程方法进行实验。我们的程序模型提供了 21,290 个合成图像的第二个相应数据集。WinSyn 数据集的共同开发旨在促进合成至真学习和合成数据生成的研究。WinSyn 允许研究合成数据与真实世界数据竞争的因素，并使用我们的合成模型进行消融实验，以识别与准确性任务相关的显著渲染、材料和几何因素。我们选择窗户作为基准，因为它们在设计中呈现出较大的几何形态和材料变化，使其成为在受限环境中研究合成数据生成的理想对象。我们认为这个数据集是推动深度学习中合成数据生成未来研究的关键步骤。

Oct, 2023