Places in the Wild

Places in the Wild是由哥伦比亚大学巴纳德学院创建的一个大规模、高分辨率RAW格式真实世界场景照片数据集，旨在为视觉神经科学和计算机视觉研究提供生态效度更高的数据资源。该数据集包含来自810个物理位置的67，574张图像，覆盖260个基础场景类别，总计像素量超过3万亿，并同时提供14位RAW原始格式和JPEG压缩格式文件，数据来源于在纽约市及周边地区实地采集的室内、城市和自然环境。数据采集过程采用标准化协议，使用4500万像素全画幅相机在固定点位以5度为间隔进行全景拍摄，确保了视角的密集采样和空间一致性。本数据集主要应用于研究人类和模型的视角依赖识别、在真实条件下训练和评估场景理解系统、表征自然场景统计特性，以及需要近全视野视觉显示的科学实验，以解决现有网络数据集分辨率低、拍摄条件未知且空间上下文有限的核心局限。Places in the Wild is a large-scale, high-resolution RAW-format real-world scene photograph dataset created by Barnard College of Columbia University, which aims to provide data resources with higher ecological validity for visual neuroscience and computer vision research. This dataset contains 67,574 images from 810 physical locations, covering 260 basic scene categories, with a total pixel count exceeding 3 trillion. It provides both 14-bit RAW original format and JPEG compressed format files, and the data is collected from indoor, urban, and natural environments in New York City and its surrounding areas via field surveys. The data collection process adopts a standardized protocol, using 45-megapixel full-frame cameras to conduct panoramic shooting at fixed sites at 5-degree intervals, ensuring dense sampling of viewpoints and spatial consistency. This dataset is mainly applied to research on viewpoint-dependent recognition of humans and models, training and evaluating scene understanding systems under real-world conditions, characterizing the statistical properties of natural scenes, and scientific experiments requiring near-full-field visual displays, so as to address the core limitations of existing web-based datasets, including low resolution, unknown shooting conditions, and limited spatial context.

原始信息汇总

数据集概述：Places in the Wild: Ecologically-sampled RAW photographs

• 数据集名称：Places in the Wild: Ecologically-sampled RAW photographs
• 作者：Michelle R. Greene
• 类型：数据集
• 标签：scenes、photographs、raw photographs
• 摘要：
  • 包含超过 67,000 张 RAW 格式 图像。
  • 每张图像使用 45 兆像素 Canon EOS R5 全画幅无反相机 拍摄。
  • 以 5 度间隔 捕获，提供 360 度覆盖。
  • 覆盖 800 多个独特位置。
  • 涵盖 260 个基础场景类别（包括室内和室外环境，如卧室、火车站、森林、停车场等）。
• 文件信息：
  • 文件名：places_in_the_wild.tar
  • 文件大小：2.62 TB
• 许可证：CC BY-NC-SA 4.0
• 相关 URL：https://zenodo.org/records/20479095

搜集汇总

数据集介绍

构建方式

Places in the Wild数据集由67,574张高分辨率照片构成，这些照片采集自810个物理地点，涵盖260个基本场景类别，包括室内、城市和自然环境。数据采集采用标准化协议：使用配备45兆像素Canon EOS R5相机的全景三脚架，在每处以5度水平间隔旋转拍摄72张图像，并额外拍摄12张不同仰角的图像，实现密集的360度视角采样。所有图像同时以14位RAW（CR3）格式和压缩JPEG格式记录，保留了传感器级别的细节信息。

特点

该数据集具有显著的生态效度和视觉多样性。作为唯一非网络抓取的场景数据集，其图像全部在真实环境中实地采集，且拥有最高分辨率（8192×5464像素）和14位色彩深度。数据集包含超过3万亿像素，总像素量约为ImageNet的11倍。通过CLIP模型和ResNet-50等工具验证，其视觉多样性指标（57.28）高于所有可比数据集，且图像质量优异——94%的BRISQUE评分低于优质阈值45，中位数NIQE评分为3.6。每处地点还提供完整的EXIF元数据和图像质量指标。

使用方法

数据集通过Academic Torrents以BitTorrent协议分发，压缩包大小2.62 TB，需使用qBittorrent等客户端下载。下载后需确保至少3.3 TB的可用空间。CR3格式RAW文件可使用Python的rawpy库读取，EXIF元数据可通过ExifTool或exifread包解析。数据按类别和地点组织在子文件夹中，文件按顺序命名。适用于视角依赖性识别研究、场景理解系统训练与评估、自然场景统计分析，以及需要近全视野显示的实验。用户完成下载后，鼓励保持客户端运行以进行数据分享。

背景与挑战

背景概述

在视觉神经科学与计算机视觉领域，大规模图像数据集虽已显著推动场景识别与认知建模的进展，但主流数据集如ImageNet、Places等多源于互联网，受限于低分辨率、未知采集条件及有限的空间上下文，难以忠实反映自然视觉体验的丰富性与生态效度。为突破这一瓶颈，Michelle R. Greene于2026年代表Barnard学院构建了Places in the Wild数据集，包含67,574张高分辨率RAW格式照片，覆盖810个物理地点与260个基本场景类别，采用5度间隔的360度密集视角采样及14位色深记录，首次以真实世界原位采集方式为视点依赖识别、场景统计分析与全视野实验提供了生态效度优越的数据基础，对推动人类与机器视觉研究具有重要里程碑意义。

当前挑战

该数据集面临的核心挑战在于生态效度与大规模化之间的张力：一方面，现有互联网数据集无法模拟人类通过身体移动获取的连续视点变化，导致模型对真实场景的泛化能力不足；另一方面，原位高分辨率采集面临物理可达性限制——如火山等危险地貌、手术室等隐私敏感场所无法拍摄，且纽约大都市区以外35个类别难以实际到达，最终导致11个初始类别缺失。此外，构建过程中需应对严苛的硬件条件：每地点需在固定三脚架上以5度间隔旋转拍摄84张影像，但安全约束（如人行道阻塞）或自动曝光在无纹理墙面等均匀环境中的锁定失败，造成部分地点图像数量不足，同时2.62TB的庞大数据规模也对比特流分发与存储利用提出了技术考验。

常用场景

经典使用场景

在视觉认知与计算建模研究领域，Places in the Wild最为经典的应用场景在于系统探究视点依赖性场景识别机制。该数据集通过采集810个真实物理位置360°环绕的5度间隔高分辨率图像，为研究者提供了前所未有的视角采样密度。利用这些数据，学者可精确量化人类与深度模型在场景识别中对观察视角的敏感程度，揭示场景语义在不同方位下的稳定性与变异模式。这一特性使其成为检验场景理解算法泛化能力的理想基准，尤其适合评估那些仅依靠单视角训练而缺乏多视角经验的计算模型，从而推动生态效度更高的视觉理论构建。

衍生相关工作

围绕Places in the Wild衍生的一系列经典工作，主要集中在利用其高密度视角与RAW数据特性推动视觉研究方法的革新。研究者基于该数据集开展了场景统计属性的系统性计算分析，将各向异性视角分布与场景类别熵相关联，深化了对自然图像语义多样性的定量理解。同时，依托其RAW格式带来的高色彩深度与动态范围，衍生了关于图像质量无参考评估模型验证的研究，BRISQUE、NIQE、PIQE等经典指标在该数据集上得到了大规模实证校准。此外，借助该数据集的360°全景采样特性，催生了关于场景识别中视点不变特征学习与跨视角泛化能力评估的新颖实验范式，推动了认知神经科学与计算机视觉在生态效度框架下的交叉融合。

数据集最近研究

最新研究方向

Places in the Wild数据集的最新研究方向聚焦于生态效度下的场景理解与视觉统计建模。作为首个大规模、高分辨率、实地采集的RAW格式场景图像库，它打破了传统互联网JPEG数据集在分辨率、色彩深度及拍摄环境上的局限，为研究人类与机器视觉在真实世界中的视点依赖识别、全景场景统计特性分析以及生态有效的神经成像实验提供了前所未有的数据基础。当前，该数据集正被用于评估深度学习模型在连续视点变化下的泛化能力，探索自然场景的低级视觉特征分布规律，并作为推动生态视觉计算与类脑智能研究的关键资源，其高像素密度与完整元数据更支撑了从传感器噪声到感知质量的全链路分析。

相关研究论文

• Places in the Wild: A Large, High-Resolution RAW Photograph Dataset for Ecologically Valid Vision Research

  哥伦比亚大学·巴纳德学院 · 2026年