ViewRecDB-100K

ViewRecDB-100K是一个用于AI摄影的3D视点推荐数据集，旨在解决给定一张次优摄影图像时，预测如何通过调整3D视点（包括位置、朝向和视野）来获得更优构图的任务。该数据集包含10万个训练样本和1千个测试样本，每个样本由一对图像组成：一张次优图像和一张对应的最优图像，并附带有从次优到最优的3D视点变化标注。数据来源于Unsplash Full Dataset，通过自动构建生成。其中，测试样本构成了一个专门的基准集，其最优图像均经过专家验证，在摄影构图上优于对应的次优图像。数据集按train、val和test划分。每个样本文件夹包含一张最优图像（original.jpeg）和一到两张生成的次优图像（generated_*.jpeg）及其对应的视点变化标注文件（generated_*.json）。数据实例中的图像均为RGB格式，总像素预算为1024×1024。视点变化标注包含两个部分：change_orientation（一个布尔值，指示是否需要在横屏与竖屏之间改变图像方向）和pose（一个9维描述符，其中前3维为平移向量，接着4维为旋转四元数，最后2维为视野缩放因子s，表示视野收缩比例，等同于焦距缩放比例）。由于Unsplash Full Dataset的再分发限制，本数据集中不直接包含original.jpeg文件。用户需要从官方渠道申请并下载Unsplash Full Dataset，然后使用提供的脚本工具，通过指定元数据文件路径和数据集分割目录来关联和下载原始图像。该数据集适用于计算机视觉任务，特别是相机姿态估计和视点推荐。ViewRecDB-100K is a 3D viewpoint recommendation dataset for AI photography. It aims to address the task of predicting how to adjust the 3D viewpoint (including position, orientation, and field of view) to achieve a better composition given a suboptimal photographic image. The dataset contains 100,000 training samples and 1,000 test samples. Each sample consists of a pair of images: a suboptimal image and a corresponding optimal image, along with annotations for 3D viewpoint changes from suboptimal to optimal. The data is sourced from the Unsplash Full Dataset and generated through automated construction. The test samples form a dedicated benchmark set, where the optimal images have been verified by experts to be superior in photographic composition compared to the corresponding suboptimal images. The dataset is divided into train, val, and test splits. Each sample folder contains an optimal image (original.jpeg) and one or two generated suboptimal images (generated_*.jpeg) along with their corresponding viewpoint change annotation files (generated_*.json). The images in the dataset instances are in RGB format with a total pixel budget of 1024×1024. The viewpoint change annotations consist of two parts: change_orientation (a boolean value indicating whether to change the image orientation between landscape and portrait) and pose (a 9-dimensional descriptor, where the first 3 dimensions are translation vectors, the next 4 are rotation quaternions, and the last 2 are field-of-view scaling factors s, representing the field-of-view contraction ratio, equivalent to focal length scaling). Due to redistribution restrictions of the Unsplash Full Dataset, the original.jpeg files are not included directly in this dataset. Users need to apply for and download the Unsplash Full Dataset from official sources, then use the provided script tool to associate and download the original images by specifying metadata file paths and dataset split directories. This dataset is suitable for computer vision tasks, particularly camera pose estimation and viewpoint recommendation.

原始信息汇总

ViewRecDB-100K 数据集概述

基本信息

• 许可证: CC-BY-4.0
• 语言: 英语
• 标签: 相机姿态估计（camera-pose-estimation）、视角推荐（viewpoint_recommendation）
• 数据集规模: 10K < n < 100K
• 数据划分: 训练集（train）、验证集（val）、测试集（test）

数据集简介

ViewRecDB-100K 是一个用于 AI 摄影的 3D 视角推荐数据集。它包含 10 万个训练样本和 1 千个测试样本。每个样本由一对次优图像和最优图像，以及对应的 3D 视角变化标注组成。给定一张次优图像，任务是预测朝向最优图像的 3D 视角变化。

该数据集从 Unsplash Full Dataset 自动构建。测试样本构成了一个专用基准，其中每张最优图像都经过专家验证，确保其摄影构图优于对应的次优图像。

数据结构

数据集包含三个划分：train、val 和 test。每个样本文件夹包含一张最优图像和 1 到 2 张生成的次优图像，并附有对应的视角变化标注。

ViewRecDB-100K/ ├── train/ │ └── photo_id/ # Unsplash Full Dataset 中的 photo_id │ ├── original.jpeg # 最优图像 │ ├── generated_0.jpeg # 次优图像 │ ├── generated_0.json # 视角变化标注 │ ├── generated_1.jpeg # 可选的次优图像 │ └── generated_1.json # 可选的视角变化标注 ├── val └── test

数据字段

每个数据实例包含以下字段：

• suboptimal_image / optimal_image: 输入的次优图像。RGB 图像，总像素预算为 1024 × 1024。
• viewpoint_change: 从次优图像到最优图像的 3D 视角变化标注。
  • change_orientation: 布尔值，指示是否应更改图像方向（即横竖屏切换）。
  • pose: 9 维视角描述符。
    • pose[0:3]: 平移向量。
    • pose[3:7]: 旋转四元数。
    • pose[7:9]: FoV 缩放因子 s，表示视野缩小比例，等同于焦距缩放比例。

使用说明

由于 Unsplash Full Dataset 的重新分发限制，ViewRecDB-100K 版本中未直接包含 original.jpeg 文件。用户需要从 官方来源 申请并下载 Unsplash Full Dataset。

• 获取 Unsplash 元数据文件后，使用 --csv_root 指定其路径，并使用 --id_root 指定应下载原始图像的数据集划分目录。

  bash python -m script.download --csv_root /path/to/unsplash_metadata --id_root /path/to/ViewRecDB-100K/train | val | test --csv_pattern ".csv"

  参数说明：

  • --csv_root: 包含 Unsplash 元数据文件的目录路径。
  • --id_root: 数据集划分目录路径，如 train、val 或 test。
  • --csv_pattern: 用于匹配元数据文件的文件名模式，如 *.csv* 或 *.tsv*。

搜集汇总

数据集介绍

构建方式

ViewRecDB-100K是一个面向AI摄影的3D视角推荐数据集，其构建完全依托于大规模公开图像库Unsplash Full Dataset。首先，从该数据集中筛选出构图质量上乘的原始图像作为最优视角。随后，利用自动化的图像编辑与渲染管线，基于最优图像生成一幅或多幅构图欠佳的次优图像，并精确记录从次优到最优图像所需的3D视角变换参数，包括平移向量、旋转四元数及视场角缩放因子。最终，所有测试样本的最优图像均经过人工专家验证，确保其构图显著优于对应的次优图像，形成了包含十万训练样本与千余测试样本的可靠基准。

特点

该数据集的核心特色在于其自动构建流程与专家验证相结合的质量保障机制。每条样本均包含成对的次优与最优图像，以及明确的9维视角描述符，可同时处理图像朝向切换与连续位姿变换，为端到端的视角推荐模型提供了丰富的监督信号。此外，数据集内同一最优图像可对应多个不同角度的次优样本，有效增强了数据多样性。测试集通过人工审核确保了构图优劣判定的客观性，使得性能评估更加可信。数据集结构清晰，按训练、验证与测试分片组织，便于高效加载与标准化评测。

使用方法

由于Unsplash Full Dataset的重新分发限制，ViewRecDB-100K发布包中不包含最优图像的原图文件，用户需自行向Unsplash官方申请并下载完整数据集。使用前，应通过项目提供的下载脚本，指定Unsplash元数据文件路径（--csv_root）以及ViewRecDB-100K分片目录（--id_root），并设定元数据文件名匹配模式（--csv_pattern），即可自动从源数据集中提取并放置对应的最优图像至各样本目录。完成原图填充后，数据即可用于训练视角变换预测模型，或以次优图像为输入，输出推荐的3D视角调整参数，实现智能构图优化。

背景与挑战

背景概述

在计算摄影与人工智能的交叉领域中，如何自动化地评估与优化摄影构图已成为一个引人瞩目的研究方向。ViewRecDB-100K数据集由相关研究团队于近期构建，旨在解决3D视角推荐这一核心问题，推动AI摄影从静态图像分析向动态视角调整迈进。该数据集基于Unsplash Full Dataset自动生成，包含约10万组训练样本与1千组专家验证的测试样本，每组数据由一张次优图像与对应的最优图像及三维视角变化标注组成。其发布为计算机视觉社区提供了一个标准化的基准，显著促进了相机位姿估计与构图优化等子领域的发展，并在智能摄影、机器人视觉等应用场景中展现出广泛的影响力。

当前挑战

该数据集所应对的领域挑战在于，传统图像质量评估多聚焦于二维特征，而忽略了三维空间中视角调整对构图美学的决定性作用。ViewRecDB-100K通过将问题建模为从次优图像到最优图像的三维视角变化预测，首次系统性地将相机平移、旋转与视场缩放纳入统一的学习框架。在数据集构建过程中，最大的挑战在于如何从大规模无标注图像库中自动生成具有明确构图优劣关系的配对样本，并确保标注的准确性。团队采用自动构图评分与专家人工验证相结合的策略，在数据规模与标注质量间取得了平衡，同时需处理视角变化描述的连续性与高维性，最终以9维视角描述子实现了对复杂空间变换的精准表征。

常用场景

经典使用场景

在计算摄影与三维视觉的交叉领域，ViewRecDB-100K被设计为一项专门针对AI摄影中视点推荐任务的基准数据集。其核心应用在于，给定一张构图欠佳的次优图像，模型需预测出朝向最优图像的精确三维视点变换参数，包括平移向量、旋转四元数以及视场角缩放因子。该数据集蕴含了10万组训练样本与1千组经专家验证的测试样本，为从单张图像中学习摄影构图美学与三维空间映射关系提供了标准化的评测平台。研究者可基于此数据集训练神经网络模型，以实现自动化的相机视角调整与构图优化。

衍生相关工作

围绕ViewRecDB-100K数据集，衍生出多项推动视点推荐与计算摄影发展的经典工作。研究者基于该基准提出了首个端到端的视点变换回归网络，通过编码器-解码器架构直接从次优图像中预测9维视点描述符。后续工作进一步引入了对比学习框架，利用最优与次优图像的成对关系强化特征表示的判别性。亦有学者探索将视点推荐与深度补全、场景重建等任务联合建模，构建多任务学习范式。这些衍生研究不仅验证了数据集在衡量算法泛化能力方面的有效性，也为自动化摄影构图系统在复杂环境中的鲁棒性提升提供了理论支撑与实践参考。

数据集最近研究

最新研究方向

随着AI摄影与计算机视觉的深度融合，三维视点推荐成为图像美学优化的前沿方向。ViewRecDB-100K作为首个大规模三维视点变换数据集，聚焦从次优图像到最优图像的相机位姿预测，涵盖平移、旋转与视场角缩放的多维信息。该数据集与Unsplash平台合作构建，并引入专家验证的测试基准，为自动构图、智能摄影辅助系统提供了标准化训练资源。当前研究热点集中于基于该数据集的位姿回归网络设计与图像美学评估模型融合，推动AI摄影从二维裁剪向三维空间操作演进，对摄影辅助工具、虚拟现实内容生成及机器人视角规划具有重要影响。