USP-Gaussian Dataset
收藏资源简介：
USP-Gaussian数据集包含合成数据集和真实世界数据集，用于支持基于脉冲的图像重建、姿态校正和高斯点云技术的统一优化框架。该数据集旨在通过多视角一致性和运动捕捉能力，实现联合迭代优化，有效消除级联误差，并在实际场景中实现鲁棒的三维重建。
The USP-Gaussian Dataset comprises both synthetic and real-world datasets, which are designed to support a unified optimization framework for pulse-based image reconstruction, pose correction and Gaussian point cloud technology. This dataset aims to achieve joint iterative optimization via multi-view consistency and motion capture capabilities, effectively eliminating cascading errors and enabling robust 3D reconstruction in real-world scenarios.
USP-Gaussian 数据集概述
数据集简介
USP-Gaussian 数据集用于统一基于脉冲的图像重建、姿态校正和高斯光栅化。该数据集包括合成数据集和真实世界数据集，旨在支持端到端框架的实验和训练。
数据集内容
- 合成数据集：用于模拟场景，支持图像重建和3D重建的训练。
- 真实世界数据集：包含真实场景的数据，用于验证方法在实际应用中的效果。
数据集结构
数据集的结构如下：
<project root> ├── bad_gaussians ├── data │ ├── real_world │ └── synthetic ├── imgs ├── train.py └── render.py
数据集下载
合成数据集和真实世界数据集可以通过以下链接下载： 下载链接
数据集使用
训练
-
合成场景训练：
CUDA_VISIBLE_DEVICES=0 python train.py --seed_set 425 --net_lr 1e-3
--use_3dgs --use_spike --use_flip --use_multi_net --use_multi_reblur --data_name wine --exp_name joint_optimization --data_path data/synthetic/wine -
真实世界场景训练：
CUDA_VISIBLE_DEVICES=0 python train.py --seed_set 425 --net_lr 1e-3
--use_3dgs --use_spike --use_flip --use_multi_net --use_multi_reblur --data_name wine --exp_name joint_optimization --data_path data/synthetic/wine
渲染
从输入的相机轨迹渲染3D场景：
CUDA_VISIBLE_DEVICES=0 python render.py interpolate --load-config outputs/sheep/bad-gaussians/<exp_date_time>/config.yml --pose-source train --frame-rate 30 --output-format video --interpolation-steps 5 --output-path renders/sheep.mp4
引用
如果使用该数据集，请引用以下文献：
@article{chen2024usp, title={USP-Gaussian: Unifying Spike-based Image Reconstruction, Pose Correction and Gaussian Splatting}, author={Chen, Kang and Zhang, Jiyuan and Hao, Zecheng and Zheng, Yajing and Huang, Tiejun and Yu, Zhaofei}, journal={arXiv preprint arXiv:2411.10504}, year={2024} }
