Virtual KITTI 合成视频数据集

Virtual KITTI 是一个具有照片真实感的合成视频数据集，用于学习和评估计算机视觉模型，以完成多个视频理解任务：目标检测和多目标跟踪、场景级和实例级语义分割、光流和深度估计。

Virtual KITTI is a photorealistic synthetic video dataset designed for training and evaluating computer vision models to perform a variety of video understanding tasks: object detection and multi-object tracking, scene-level and instance-level semantic segmentation, optical flow and depth estimation.

搜集汇总

背景与挑战

背景概述

Virtual KITTI 是一个基于照片真实感的合成视频数据集，专为计算机视觉模型的学习和评估设计，支持目标跟踪、深度估计等多种视频理解任务。该数据集包含50个高分辨率单目视频，共21,260帧，通过Unity引擎和从真实到虚拟的克隆方法生成，覆盖不同成像和天气条件下的虚拟城市环境，并自动提供像素级的二维和三维多目标跟踪标注。