prs-eth/ZuriPano

ZüriPano是一个真实世界的室外全景深度基准数据集，使用Leica RTC360 LiDAR扫描仪（8K捕获，有效范围130米，具有HDR和自动双扫描以去除瞬态遮挡）捕获。它包含100个等距柱面投影全景图，覆盖瑞士苏黎世的11个城市位置，每个全景图都配有一个密集的度量深度图和一个有效性掩码。该数据集用于评估室外全景深度估计，特别是长距离场景，作为PaGeR项目的室外评估基准。数据内容仅用于评估，包括100个室外扫描，模态包括RGB（JPG格式）、深度（16位PNG，通过比例因子转换为米）、有效性掩码（8位PNG）和深度可视化（8位光谱RGB PNG，仅用于预览）。分辨率为4096×2048的等距柱面投影。ZüriPano is a real-world outdoor panoramic depth benchmark, captured with the Leica RTC360 LiDAR scanner (8K capture, 130 m effective range, HDR + automated double-scan for transient-occlusion removal). It contains 100 equirectangular panoramas across 11 urban locations in Zürich, each paired with a dense metric depth map and a validity mask. It is used as the outdoor evaluation benchmark for PaGeR, specifically for evaluating long-range outdoor panoramic depth estimation. The dataset is evaluation-only, with 100 outdoor scans, modalities including RGB (JPG), Depth (16-bit PNG, meters via scale factor), Validity Mask (8-bit PNG), and Depth Viz (8-bit Spectral RGB PNG, preview only). The resolution is 4096 × 2048 equirectangular (ERP).

搜集汇总

数据集介绍

构建方式

ZüriPano的构建依托徕卡RTC360激光扫描仪，于苏黎世11处城市户外场景中执行8K分辨率全景采集，有效测距达130米，并借助HDR与自动双重扫描机制消除瞬态遮挡。每处场景生成等距柱状投影全景图，同时获取稠密度量深度图，经配准与校正后形成像素级深度标注，最终汇集为100帧全景样本，专用于室外全景深度估计的基准评测。

特点

该数据集以真实户外城市环境为背景，涵盖苏黎世多处典型街区，提供4096×2048高分辨率等距柱状全景RGB图像，并配对16位深度图与有效性掩码。深度图以米为单位量化，掩码标注了天空、无回波及玻璃幕墙等不可靠区域，同时附带仅作预览的谱色深度可视化图，整体规模虽不足千帧，却以长距离、高精度和严格的可靠性标注为显著特征。

使用方法

使用时可借助Hugging Face datasets库加载单一test划分，逐样本读取RGB、深度与掩码。深度值需按np.asarray(img, dtype=np.float32) * (200.0 / 65535.0)解码为米制单位，掩码经布尔转换后须始终应用于深度指标计算，以排除天空、无回波及镜面反射像素。深度可视化图仅供预览，不可用于训练或度量，所有评测应在有效像素子集上完成。

背景与挑战

背景概述

全景深度估计作为三维场景理解的核心任务，在自动驾驶、虚拟现实与城市数字孪生等领域具有广泛应用前景。然而，室外环境的大尺度、复杂光照与动态遮挡使得高精度深度获取极为困难。ZüriPano数据集由苏黎世联邦理工学院摄影测量与遥感实验室（prs-eth）的研究团队于2026年创建，依托Leica RTC360激光扫描仪在苏黎世11个城市场景中采集了100幅等距柱状全景图，每幅均配有稠密度量深度图与有效性掩码。该数据集作为PaGeR模型的室外评估基准，填补了长距离全景深度估计真实世界基准的空白，为领域内模型泛化能力评估提供了可靠标准。

当前挑战

ZüriPano所应对的领域核心难题在于室外全景深度估计中长距离量测的精度与鲁棒性。现有方法多局限于室内或短距离场景，面对城市环境中超过百米的有效范围时，深度网络易受尺度模糊与纹理稀疏影响。数据集构建亦面临多重挑战：激光扫描仪在玻璃幕墙、天空及镜面表面产生的无返回或无效像素需通过双扫描与掩码机制精细剔除；全景图等距柱状投影引入的几何畸变要求算法具备球面感知能力；此外，100幅样本的有限规模虽经多场景分布缓解，仍对模型泛化评估构成潜在约束。

常用场景

经典使用场景

在全景深度估计领域，ZüriPano数据集作为一项基于LiDAR扫描的真实户外基准，扮演着评估长距离全景深度估算性能的关键角色。该数据集囊括了苏黎世11个城市场景下的100幅等距柱状投影全景图，每幅均配有密集的度量深度图与有效性掩膜，使得研究者能够在统一框架下系统检验模型对广阔室外环境的深度推断能力。其经典使用场景在于，以4096×2048高分辨率全向图像为输入，借助16位深度图与掩膜进行定量评估，进而推动全景几何感知算法的鲁棒性与泛化性提升。

解决学术问题

针对室外全景深度估计中长期缺乏高保真、大范围真实标注数据的困境，ZüriPano数据集有效弥补了这一空白。传统室内数据集受限于场景尺度与遮挡模式，难以反映城市户外环境的复杂几何结构，而该数据集通过Leica RTC360扫描仪获取精确度量深度，并利用有效性掩膜剔除了天空、无回波及镜面反射等不可靠像素，从而解决了模型评估中因标注噪声导致的偏差问题。其意义在于为全景深度估计提供了可重复、可比较的基准，促进了该领域从合成数据向真实场景的范式迁移。

衍生相关工作

ZüriPano数据集作为PaGeR方法的户外评估基准而被提出，并由此衍生了一系列围绕全景几何估计的研究工作。PaGeR利用多视图基础模型实现统一全景几何估计，在ZüriPano上验证了其长距离深度预测能力，后续研究则在此基础上探索了跨模态融合、自监督微调以及全景深度补全等方向。这些工作共同推动了全景视觉几何理解的发展，并逐步扩展至更广泛的户外场景感知任务中。