本文介绍了一个大规模的眼镜数据集 OpenEDS，该数据集利用虚拟现实（VR）头戴式显示器捕获图像，其中包括 152 名参与者的眼部区域，该数据集可用于眼动跟踪研究和机器学习领域的语义分割任务。

Apr, 2019

提出了一种利用视频数据集和图像相结合的方法，通过学习用户注视与眼部外形之间的联系来提高眼动追踪的精度，实现基于网络摄像头的高准确度屏幕眼动追踪，不需要标记的数据并且通过视觉刺激和眼部图像信息融合可以达到监督式个性化的效果。

Jul, 2020

介绍了 JRDB 数据集，该数据集是从社交机器人 JackRabbot 采集的一系列包括 RGB 视频、点云、音频信号等多模态数据，并标记了超过 230 万个包围框及 3500 个时间连续轨迹，其可用于研究以机器人视角为主的视觉算法、人物探测和自主导航等领域。

Oct, 2019

介绍了规模巨大的 “Ego4D” 自我中心视频数据集及其基准套件，它提供了来自全球 74 个地点和 9 个不同国家的 931 个独特摄像头佩戴者的 3,670 小时日常活动视频。该数据集的采集过程严格遵守隐私和伦理标准，并具有鲁棒的去识别程序。其中的一部分视频配有音频、环境的 3D 网格、注视点、立体声和 / 或来自多个自我中心摄像头的同步视频，提供了关于自我中心视觉体验的新的基准挑战。通过公开分享这个海量的注释数据集和基准测试套件，我们旨在推动第一人称感知的前沿。

Oct, 2021

通过首次发布迄今为止最大的发展性自我中心视频数据集，我们提供了一个开放挑战，即如何使这样的系统在与人类相同规模和分布的训练数据上实现人类水平的成功。

Jun, 2024

最近，事件驱动视觉传感器受到了自动驾驶应用的关注，因为传统的 RGB 相机在处理具有挑战性的动态条件时存在局限性。然而，现实世界和合成的事件驱动视觉数据集的可用性仍然有限。为了填补这一空白，我们提出了 SEVD，这是一种首个使用 CARLA 模拟器中的多个动态视觉传感器的多视点自我和固定感知合成的事件驱动数据集。数据序列记录在不同的光照条件（中午、夜间、黄昏）和天气条件（晴朗、多云、潮湿、多雨、雾霾）下进行，具有域漂移（离散和连续）。SEVD 跨越城市、郊区、乡村和高速公路场景，涵盖了各类物体（汽车、卡车、货车、自行车、摩托车和行人）。除了事件数据，SEVD 还包括 RGB 图像、深度图、光流、语义和实例分割，有助于全面了解场景。此外，我们使用最先进的事件驱动方法（RED，RVT）和基于帧的方法（YOLOv8）评估数据集的交通参与者检测任务，并提供基准标准进行评估。此外，我们进行实验评估合成事件驱动数据集的泛化能力。数据集可在此 https URL 获得。

Apr, 2024

通过提供 VRBiom 数据集，该研究论文介绍了一种针对生物特征应用的新型虚拟现实头戴设备数据集，包含用于虹膜和周眼识别等生物特征应用的非传统视角的短视频，使得在硬件发展和生物特征应用研究方面取得进展成为可能。

Jul, 2024

提出了一个包含 50 个具有独特多样性的现实中场景的数据集，用于评估单目视觉里程计和 SLAM 方法的跟踪精度，并在此基础上提出了一个相机光度校准的简单方法以及一种非参数化暗角校准方法，该研究详细评估了两种现有方法（ORB-SLAM 和 DSO）在该数据集上的效果。

Jul, 2016

本文构建了一个包含三个子数据集的 Perceptual Video Enhancement 数据集，共计 1211 个视频，邀请 21 个受试者对其进行了主观品质评估，并将数据集划分为训练集、验证集和测试集，以验证几种流行的视频质量评估方法在测试集上的表现。

Mar, 2023

本文描述和分析了第一个包含多个人和场景互动的全景体数据集并附加数据工具

Mar, 2023