Holopix50k

displayName: Holopix50k
license:
- Holopix50k Custom
mediaTypes:
- Image
paperUrl: https://arxiv.org/pdf/2003.11172v1.pdf
publishDate: "2020"
publishUrl: https://leiainc.github.io/holopix50k/
publisher:
- Leia Inc.
tags:
- Fire
taskTypes:
- Super-Resolution
- Monocular Depth Estimation
- Disparity Estimation

---
# 数据集介绍
## 简介
随着双摄像头手机的大众市场采用，在计算机视觉中利用立体信息变得越来越重要。当前最先进的方法利用基于学习的算法，其中训练样本的数量和质量严重影响结果。现有的立体图像数据集在大小或主题种类上都受到限制。因此，在此类数据集上训练的算法不能很好地推广到移动摄影中遇到的场景。我们展示了 Holopix50k，一个新颖的野外立体图像数据集，包含由 Holopix™ 移动社交平台用户贡献的 49,368 个图像对。在这项工作中，我们描述了我们的数据收集过程，并将我们的数据集与其他流行的立体数据集进行了统计比较。我们通过实验表明，使用我们的数据集可以显着改善立体超分辨率和自我监督单目深度估计等任务的结果。
## 引文
```
@InProceedings{hua2020holopix50k,
author = {Yiwen Hua and Puneet Kohli and Pritish Uplavikar and Anand Ravi and Saravana Gunaseelan and Jason Orozco and Edward Li},
title = {Holopix50k: A Large-Scale In-the-wild Stereo Image Dataset},
booktitle = {CVPR Workshop on Computer Vision for Augmented and Virtual Reality, Seattle, WA, 2020.},
month = {June},
year = {2020}
}
```

## Download dataset
:modelscope-code[]{type="git"}

显示名称：Holopix50k
许可证：Holopix50k 专用许可证
媒体类型：图像
论文链接：https://arxiv.org/pdf/2003.11172v1.pdf
发布日期：2020年
发布页面：https://leiainc.github.io/holopix50k/
发布方：Leia公司（Leia Inc.）
标签：火焰（Fire）
任务类型：超分辨率（Super-Resolution）、单目深度估计（Monocular Depth Estimation）、视差估计（Disparity Estimation）

---

# 数据集介绍
## 简介
随着双摄像头智能手机的大众市场普及，计算机视觉领域对立体信息的利用需求日益凸显。当前主流的先进算法均采用基于学习的范式，而训练样本的数量与质量对模型性能有着决定性影响。现有立体图像数据集在规模或主题多样性上均存在局限，因此在这类数据集上训练的算法难以很好地适配移动摄影所遭遇的真实场景。为此，我们提出Holopix50k——一个全新的野外立体图像数据集，包含由Holopix™移动社交平台用户贡献的49,368组图像对。本文详述了该数据集的采集流程，并将其与其他主流立体数据集进行了统计对比。实验结果表明，使用本数据集可显著提升超分辨率（Super-Resolution）、自监督单目深度估计（Monocular Depth Estimation）等任务的模型效果。
## 引文

@InProceedings{hua2020holopix50k,
author = {Yiwen Hua and Puneet Kohli and Pritish Uplavikar and Anand Ravi and Saravana Gunaseelan and Jason Orozco and Edward Li},
title = {Holopix50k: A Large-Scale In-the-wild Stereo Image Dataset},
booktitle = {CVPR Workshop on Computer Vision for Augmented and Virtual Reality, Seattle, WA, 2020.},
month = {June},
year = {2020}
}

## 数据集下载
:modelscope-code[]{type="git"}