提出了一个名为 MVImgNet 的大规模多视图图像数据集，它包含了从 238 个类别的 219,188 个视频中捕获的 650 万个帧。这个数据集被用于在 3D 视觉和 2D 视觉任务中进行了各种实验，包括辐射场重建、多视图立体和视角一致的图像理解。此外，MVImgNet 还产生了一个 3D 物体点云数据集 MVPNet，其中每个点云有类别标签，并且有望在 3D 物体分类方面发挥作用。

Mar, 2023

该论文提出了一个可以从多个非约束帧中重新构建 3D 人物肖像的框架，并设计了一个多级方法来重建隐式的蒙皮场，基于一次前馈生成一个形状与蒙皮的化身，为此贡献了一个包含 400 个主题的大型数据集，该训练模型可以从非约束帧中重建 3D_avatar，并达到最先进的性能水平。

Apr, 2022

针对计算机视觉和图形学中的高质量人体重建和逼真渲染问题，本研究提出了 PKU-DyMVHumans 数据集，用于密集的多视角视频中的动态人体场景的高保真重建与渲染，为 fine-grained 前景 / 背景分解、高质量人体重建和逼真的动态场景新视图合成等各种应用铺平了道路。

Mar, 2024

HUMAN4D 是一种多模态体积数据集，提供了关于人类日常、物理和社交活动的各种姿势和动作的数据，同时提供多 RGBD、音频和音量数据。该数据集的介绍旨在推动计算机视觉和图形研究社区对空间和时间对齐的姿势、音量、mRGBD 和音频数据线索的联合研究，同时提供了人类姿势估计和三维压缩等方面的评估基线。

Oct, 2021

提出 Human-M3，一个室外多模态多视角多人姿势数据库，包括多视角 RGB 视频和对应的点云；基于多模态数据输入，提出一种姿势准确的算法以生成地面真实标注，在室外多人场景中解决多视角 RGB 视频中存在的人体定位和匹配模糊问题，并生成可靠的地面真实标注；多种不同模态算法的评估表明该数据库具有挑战性且适用于未来研究；此外，还提出了一种基于多模态数据输入的 3D 人体姿势估计算法，展示了多模态数据输入在 3D 人体姿势估计中的优势。

Aug, 2023

本研究介绍了 BlendedMVS，一个新颖的数据集，用于为基于学习的 Multi-View Stereo（MVS）提供足够的训练样本，从而提高训练模型的泛化能力。对于创建这个数据集，我们使用 3D 重建管道从精选的场景图像中恢复高质量的纹理网格，然后将这些网格模型渲染为彩色图像和深度地图。

Nov, 2019

使用多视角图像建议一种可伸缩的神经网络框架来重建 SMPL 模型子空间中的人体 3D 网格，并在现实图像上表现优异，特别是在形状估计方面。

Aug, 2019

该研究介绍了一个多视角，高分辨率的人脸数据集，通过进行替代卷积编码器及对条件对抗网络（VAE）进行验证，对研究区域的深度插值进行了实验讨论。

Jul, 2022

本文介绍了一组新的人体运动和视频数据集 MoVi，其中包括 60 名女性和 30 名男性表演 20 种预定义的日常动作和运动，以及一种自选运动。该数据集包含 9 小时的运动捕捉数据、17 小时的 4 个不同视角的视频数据和 6.6 小时的 IMU 数据，同时还描述了数据集的收集和后处理过程，并探讨了该数据集可促进的研究方向。

Mar, 2020

提出使用多视角和单视角数据训练的两阶段方法来检测和估计 3D 人体姿势，通过将数据进行正确的分类来构建准确的模型，避免了数据采集难题。该方法在 Human3.6M 数据集上获得了竞争性的结果，并在 MV 临床数据集上显著提高了结果。

Apr, 2018