Mar, 2024

Den-SOFT：6-DOF 沉浸式体验的稠密面向空间的光场数据集

PDF
TL;DR我们建立了一个自定义的移动多相机大空间密集光场捕捉系统，为各种场景提供一系列高质量和足够密集的光场图像。我们的目标是为 IBRnet、NeRF 和 3D 高斯分解等流行的 3D 场景重建算法做出贡献。此外，我们收集的数据集比现有数据集更密集，可能激发面向空间的光场重建，与物体为中心的 3D 重建不同，从而实现沉浸式虚拟现实 / 增强现实体验。
mobile multi-cameradense light field3d scene reconstructionlarge-spacevr/ar experiences
发现论文，激发创造
  • 获取、处理和渲染全景光场静态图像以供虚拟现实使用的系统

    本研究介绍了一个系统，用于获取、处理和呈现全景光场静态摄影，以在虚拟现实中显示，它包括使用两种新型光场相机支持的球面光场数据集获取、实时光场重建算法、压缩技术等，实现了高质量的渲染，最终我们在商用 VR 硬件上制作了一个名为 “Welcome to Light Fields” 的免费光场体验应用程序。

    Oct, 2018

  • InteriorNet: 大规模多传感器照片真实室内场景数据集

    本研究提供了一份可扩展性强、真实感更强、规模更大、变异性更强、且在训练和评估深度学习方法、基准测试同时定位和映射（SLAM）方面有更广泛用途的数据集，以支持计算机视觉领域的研究。我们使用数百万个专业室内设计和制作级家具资产进行高分辨率和高帧率视频序列渲染，并支持各种摄像头类型以及惯性测量。同时，我们展示了稀疏和密集 SLAM 算法的基准测试结果。

    Sep, 2018

  • 一种为机器学习生成可定制光场数据集的新方法

    通过使用 Unity 和 C# 框架开发新方法，生成大规模、可伸缩和可再现的光场数据集，以加速光场深度学习研究。

    Dec, 2022

  • OpenRooms：用于照片级室内场景数据集的端到端开放框架

    提出了一种创造大规模室内场景的照片级真实数据集的新框架，可提供外观、布局、语义标签、高质量变化自由的 BRDF 和复杂照明等显著真实的基准数据，可用于逆向渲染、场景理解和机器人学，与物理引擎结合可创建具有摩擦系数等真实场景对应关系的虚拟机器人环境。

    Jul, 2020

  • DL3DV-10K：用于基于深度学习的三维视觉的大规模场景数据集

    我们提出了一个大规模场景数据集 DL3DV-10K，其中包含了来自 10,510 个视频的 51.2 百万帧，涵盖了有界和无界场景的 65 种感兴趣位置 (POI)，具有不同水平的反射、透明度和照明。我们在 DL3DV-10K 上对最新的 NVS 方法进行了全面的评估，为未来 NVS 研究提供了有价值的见解。此外，我们在从 DL3DV-10K 中学习可泛化 NeRF 的试点研究中取得了令人鼓舞的结果，这证明了大规模场景级数据集对于构建学习三维表示基础模型的必要性。我们的 DL3DV-10K 数据集、评估结果和模型将在此 https URL 上公开获取。

    Dec, 2023

  • 拥挤室内环境的大规模定位数据集

    使用新型的激光雷达 SLAM 技术和结构运动优化方法在大型商场和地铁站获取室内数据集以便于在室内环境中进行视觉定位，并测试现代化的视觉定位算法，证明结构基方法使用健壮的图像特征具有更高的性能。

    May, 2021

  • Matterport3D: 室内环境下 RGB-D 数据的学习

    本文介绍 Matterport3D 数据集，包含 10,800 个全景视图，通过 RGB-D 图片提供了 90 个建筑尺度的场景的表面重建、相机姿态和 2D、3D 语义分割注释等，可用于多种计算机视觉任务，如关键点匹配、视图重叠预测、颜色预测等。

    Sep, 2017

  • VR-NeRF：高保真虚拟行走空间

    我们提出了一个端到端系统，用于在虚拟现实中高保真地捕捉、重建模型并进行实时渲染可行走空间，使用神经辐射场。

    Nov, 2023

  • 利用深度学习进行压缩光场重建

    本研究提出了使用新的、由自编码器和四维卷积神经网络组成的两个分支网络结构，深度学习途径来从单个编码的二维图像中恢复高分辨率的四维光场，以实现光场成像的实时视频采集系统的潜力。

    Feb, 2018

  • 稠密光场的质量度量

    本研究创建了一个人体主观质量评价数据集，测试了现有图像质量度量在评价彩色光场视图质量方面的性能，并发现了在度量质量方面还需要新的彩色光场特定的指标。

    Apr, 2017