3D Reconstruction & 3D Deep Learning Datasets

收集用于3D重建和3D深度学习的数据集，包括多个场景和对象的数据集，每个数据集都提供了详细的信息如图像数量、大小、下载链接和是否有地面真实数据。

A dataset collected for 3D reconstruction and 3D deep learning, encompassing multiple scenes and objects. Each dataset provides detailed information such as the number of images, size, download links, and the availability of ground truth data.

原始信息汇总

数据集概述

1. 3D重建与3D深度学习数据集

1.1 3D重建数据集（SfM & MVS）

1.1.1 互联网图像

数据集	托管来源	图像数量	大小	下载链接	地面实况
Notre Dame	Photo Tourism group	715	1.8 GB	http://phototour.cs.washington.edu/datasets/	无
Quad6k	BigSFM / DISCO	-	8 GB	http://vision.soic.indiana.edu/projects/disco/	有
Dubrovnik6K	Location & Recognition	-	3.4 GB	http://www.cs.cornell.edu/projects/p2f/	无
Rome16K	Location & Recogniton	-	7 GB	http://www.cs.cornell.edu/projects/p2f/	无
Alamo	1Dsfm	2915	2.1 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Ellis Island	1Dsfm	2588	1.6 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Madrid Metropolis	1Dsfm	1344	739.7 MB	http://www.cs.cornell.edu/projects/1dsfm/	无
Montreal Notre Dame	1Dsfm	2298	1.6 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
NYC_Library	1Dsfm	2550	1.7 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Piazza del Popolo	1Dsfm	2251	1.5 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Piccadilly	1Dsfm	7351	4.0 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Roman Forum	1Dsfm	2364	1.6 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Tower of London	1Dsfm	1576	1.1 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Trafalgar	1Dsfm	15685	9.1 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Union Square	1Dsfm	5961	3.8 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Vienna	1Dsfm	6288	3.3 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Yorkminster	1Dsfm	3368	2.3 GB	http://www.cs.cornell.edu/projects/1dsfm/	无
Gendarmenmarkt	1Dsfm	1463	1.0 GB	http://www.cs.cornell.edu/projects/1dsfm/	无

1.1.2 小物体

数据集	托管来源	图像数量	大小	下载链接	地面实况
bird	TUM	21	45.9 MB	https://vision.in.tum.de/data/datasets/3dreconstruction	有
beethoven	TUM	33	77.9 MB	https://vision.in.tum.de/data/datasets/3dreconstruction	有
bunny	TUM	36	84.9 MB	https://vision.in.tum.de/data/datasets/3dreconstruction	有
head	TUM	33	77.9 MB	https://vision.in.tum.de/data/datasets/3dreconstruction	有
pig	TUM	27	63.7 MB	https://vision.in.tum.de/data/datasets/3dreconstruction	有
david	Unknow	26	1.9 MB	https://github.com/AIBluefisher/3D-Recon_3D-DL_Datasets/Datasets/david	无
Ajay	Unknow	38	2.5 MB	https://github.com/AIBluefisher/3D-Recon_3D-DL_Datasets/Datasets/Ajay	无
Apple	Unknow	15	532.3 KB	https://github.com/AIBluefisher/3D-Recon_3D-DL_Datasets/Datasets/Apple	无
cathedral	Unknow	11	12.8 MB	https://github.com/AIBluefisher/3D-Recon_3D-DL_Datasets/Datasets/cathedral	无
elephant	Unknow	52	23.7 MB	https://github.com/AIBluefisher/3D-Recon_3D-DL_Datasets/Datasets/elephant	无
ET	Unknow	9	1.5 MB	https://github.com/AIBluefisher/3D-Recon_3D-DL_Datasets/Datasets/ET	无
kermit	Unknow	11	1.9 MB	https://github.com/AIBluefisher/3D-Recon_3D-DL_Datasets/Datasets/kermit	无

1.1.3 户外场景

数据集	托管来源	图像数量	大小	下载链接	地面实况
Pozzoveggiani	SAMANTHA	54	4.7 MB	http://www.diegm.uniud.it/~fusiello/demo/samantha/	有
Piazza Dante	SAMANTHA	39	5.3 MB	http://www.diegm.uniud.it/~fusiello/demo/samantha/	有
Piazza Erbe	SAMANTHA	259	24 MB	http://www.diegm.uniud.it/~fusiello/demo/samantha/	有
Piazza Bra	SAMANTHA	380	821 MB	http://www.diegm.uniud.it/~fusiello/demo/samantha/	有
Piazza Bra (NEW)	SAMANTHA	331	358 MB	http://www.diegm.uniud.it/~fusiello/demo/samantha/	有
San Giacomo	SAMANTHA	269	522 MB	http://www.diegm.uniud.it/~fusiello/demo/samantha/	有
Navona	SAMANTHA	92	432 MB	http://www.diegm.uniud.it/~fusiello/demo/samantha/	有
gerrard-hall	colmap	100	886.1 MB	https://drive.google.com/drive/folders/0B6q7-Pen0AbDTk5WM2hkUjF0Znc	有
person-hall	colmap	330	3.2 GB	https://drive.google.com/drive/folders/0B6q7-Pen0AbDTk5WM2hkUjF0Znc	有
south-building	colmap	128	233.9 MB	https://drive.google.com/drive/folders/0B6q7-Pen0AbDTk5WM2hkUjF0Znc	有

1.1.4 大规模室内场景

数据集	托管来源	图像数量	大小	下载链接	地面实况
TUM-LSI	TUM	234	-	https://github.com/NavVisResearch/NavVis-Indoor-Dataset/	有
Tanks & Temple	Tanks & Temple	-	-	https://www.tanksandtemples.org/download/	有

1.1.5 谷歌街景

数据集	托管来源	图像数量	大小	下载链接	地面实况
Streetview	Google	INF	INF	https://console.cloud.google.com/storage/browser/streetview_image_pose_3d/?pli=1	有

1.1.6 航空数据集

数据集	托管来源	图像数量	大小	下载链接	地面实况
PKU	PKU GIL Lab	-	-	-	等待上传

1.2 语义分割数据集

数据集	托管来源	图像数量	大小	下载链接	类型
KITTI	TUM	-	-	http://www.cvlibs.net/datasets/kitti/eval_semantics.php	动态场景
PKU	PKU GIL Lab	-	-	https://github.com/PKUGIL/PSSI	航空照片
Cityscapes	Cityscapes	-	-	https://www.cityscapes-dataset.com/	城市街道场景

1.3 特征与描述符学习数据集

等待更新

1.4 深度估计数据集

等待更新

1.5 姿态估计数据集

数据集	托管来源	图像数量	大小	下载链接	类型	地面实况
Willow and Challenge Dataset	Willow Garage	-	4.4GB	https://repo.acin.tuwien.ac.at/tmp/permanent/dataset_index.php	RGB-D帧	有
TUW	Automation and Control Institute Tuwien	-	2.43GB	https://repo.acin.tuwien.ac.at/tmp/permanent/dataset_index.php	RGB-D帧	有
T-LESS	CVUT	-	-	http://cmp.felk.cvut.cz/t-less/	RGB-D帧	有
SXID	CVUT	7datasets	-	http://cmp.felk.cvut.cz/sixd/challenge_2017/	RGB-D帧	有
ITODD	MVTec	-	60GB	http://www.mvtec.com/company/research/datasets/mvtec-itodd/	RGB-D帧	有

搜集汇总

数据集介绍

构建方式

该数据集的构建旨在服务于三维重建与三维深度学习领域，涵盖了多种类型的场景与对象，如互联网图片、小型物体、室外场景、大规模室内场景以及航拍数据等。数据集的构建主要依赖于网络搜集的高分辨率图像、特定场景的图像序列以及专业机构提供的标注数据。这些数据经过筛选、分类、配对后，形成了适用于三维重建任务的多维数据集。

特点

该数据集的特点在于其多样性、全面性和实用性。它不仅包含了大量无地面真实值的互联网图片，还提供了具有地面真实值的小型物体、室外场景和室内场景数据，以及用于语义分割、特征与描述符学习、深度估计和姿态估计的专门数据集。这些特点使得该数据集成为三维重建与三维深度学习领域内的宝贵资源。

使用方法

用户可以根据自身的研究需求，通过数据集提供的超链接下载相应的数据。针对不同的应用场景，用户需要遵循数据集的使用协议，合理利用数据集中的图像及其对应的标注信息。此外，部分数据集可能需要特定的软件或工具来加载和处理数据，用户在使用前应确保具备相应的技术条件。

背景与挑战

背景概述

3D Reconstruction & 3D Deep Learning Datasets是一组专门为三维重建和三维深度学习研究设计的综合数据集。该数据集的创建旨在为相关领域的研究提供丰富的数据资源，其收集工作始于近年来，汇集了多个来源的数据集。主要研究人员和机构包括TUM（慕尼黑工业大学）、Cornell University（康奈尔大学）等，这些数据集在学术界产生了广泛的影响力，为三维重建、深度学习等领域的研究提供了重要的实验基础。

当前挑战

该数据集在构建和应用过程中面临的挑战主要包括：1）数据集的多样性和规模带来的处理难度，如大规模室外场景数据集的重建；2）数据质量和真实性的保证，特别是在缺乏地面真实数据的情况下；3）数据集标注的准确性和一致性，这在语义分割等任务中尤为重要；4）三维重建中的尺度估计和纹理映射等技术问题的解决。

常用场景

经典使用场景

在计算机视觉与图形学领域，3D重建与3D深度学习数据集的应用至关重要。该数据集通过收集并整合多种场景的图片资源，为研究者在三维模型重建、场景理解等任务上提供了丰富的实验材料。经典使用场景包括对大型室外场景如城市广场、建筑物等进行三维重建，以及对小型物体如动物模型、雕塑等进行精细的三维建模。

衍生相关工作

基于该数据集，已衍生出众多相关工作，包括但不限于三维模型的自动生成、语义分割、特征与描述符学习、深度估计以及姿态估计等。这些研究进一步扩展了数据集的应用范围，为三维视觉领域的理论研究和实际应用提供了坚实基础。

数据集最近研究

最新研究方向

在3D重建与3D深度学习领域，研究者们基于上述数据集正致力于探索更为精确的模型与算法。当前研究方向聚焦于利用大规模室外场景数据，如Google Streetview与Tanks & Temple等，以提升三维场景的重建质量。同时，针对室内场景，如TUM-LSI数据集，研究者正开发能够处理复杂室内结构的深度学习模型。在语义分割方面，基于KITTI与Cityscapes数据集的研究持续推进，旨在实现动态场景与城市街道场景的高精度分割。此外，特征与描述符学习、深度估计以及姿态估计等方向的数据集也在不断完善中，为相关领域的研究提供了丰富的实验资源。这些研究不断推动3D重建技术的进步，对于虚拟现实、机器人导航等应用领域具有重要意义。