StylizedBlendedMVS
收藏资源简介：
StylizedBlendedMVS是一个用于艺术图像3D重建研究的数据集，它是BlendedMVS数据集中80个场景子集的风格化版本。该数据集旨在支持在艺术风格化导致的域偏移下进行鲁棒3D重建的研究，作为From Canvas to Point Cloud基准的组成部分。数据来源于BlendedMVS，筛选了其中视图数量少于150的场景，并对原始图像序列进行采样（仅保留每第5张视图）以减少存储和处理需求。所有图像均通过Telestyle艺术风格迁移管道进行风格化处理。数据集结构遵循原始BlendedMVS的场景组织方式，每个场景文件夹中包含风格化的RGB图像以及对应的原始照片，不同风格的图像存放于以风格名称命名的独立文件夹中。该数据集适用于多种任务，包括艺术域偏移下的多视图立体视觉、神经辐射场（NeRF）的鲁棒性评估、跨域3D重建、艺术图像重建基准测试以及风格不变特征学习。该数据集由EPFL视觉智能（CS-503）课程项目开发。
StylizedBlendedMVS is a dataset for artistic image 3D reconstruction research, serving as a stylized version of a subset of 80 scenes from the BlendedMVS dataset. It aims to support research on robust 3D reconstruction under domain shifts caused by artistic stylization, as part of the From Canvas to Point Cloud benchmark. The data is sourced from BlendedMVS, with scenes filtered to those with fewer than 150 views, and the original image sequences are sampled (keeping only every 5th view) to reduce storage and processing requirements. All images are stylized using the Telestyle artistic style transfer pipeline. The dataset structure follows the original BlendedMVS scene organization, with each scene folder containing stylized RGB images and corresponding original photographs, and images of different styles stored in separate folders named by style. The dataset is suitable for various tasks, including multi-view stereo under artistic domain shifts, robustness evaluation of neural radiance fields (NeRF), cross-domain 3D reconstruction, artistic image reconstruction benchmarking, and style-invariant feature learning. It was developed by the EPFL Visual Intelligence (CS-503) course project.
数据集概述：StylizedBlendedMVS
StylizedBlendedMVS 是一个从 BlendedMVS 数据集中选取 80 个场景子集进行艺术风格化处理后的数据集，旨在支持从艺术图像进行 3D 重建的研究。
核心任务与标签
- 任务类别：深度估计（depth-estimation）、图像到 3D（image-to-3d）
- Tags：图像（image）
创建动机
传统多视图立体视觉和神经重建方法通常针对真实感图像设计，在处理艺术化或高度风格化的图像时表现不佳。该数据集旨在支持在艺术风格化引起的域偏移下，进行鲁棒的 3D 重建研究。
该数据集作为以下论文中引入的基准测试的一部分：
- From Canvas to Point Cloud（https://sophiaargh.github.io/from-canvas-to-pointcloud/）
- 项目在瑞士洛桑联邦理工学院（EPFL）的 Visual Intelligence (CS-503) 课程中开发。
数据集构建方法
- 源数据集：BlendedMVS
- 场景选择：仅选取视图数少于 150 的场景
- 视图采样：从原始序列中每 5 帧取 1 帧
- 风格化方法：Telestyle 艺术风格迁移管线
数据集结构
数据集遵循原始 BlendedMVS 的场景组织方式，在所选视图的原始照片旁放置风格化的 RGB 图像。每张风格化图像按其风格名称存放在单独的文件夹中。
用途
该数据集可用于以下研究：
- 艺术域偏移下的多视图立体视觉
- 神经辐射场（NeRF）的鲁棒性评估
- 跨域 3D 重建
- 艺术图像重建基准测试
- 风格不变的特征学习
使用示例（Python）
python import os from huggingface_hub import snapshot_download
data_dir = snapshot_download(
repo_id="sophiargh/StylizedBlendedMVS",
repo_type="dataset",
cache_dir=HF_CACHE_DIR,
)
scenes = sorted(d for d in os.listdir(data_dir) if d.startswith("scene") and os.path.isdir(os.path.join(data_dir, d)))
然后可以遍历场景文件夹
引用信息
使用该数据集时，请引用以下项目： bibtex @misc{fromcanvastopointcloud, title={From Canvas to Point Cloud}, author={Camille Lannoye, Emilien Silly, Quentin Sandoz, Sophia Kovalenko }, year={2026}, howpublished={url{https://sophiaargh.github.io/from-canvas-to-pointcloud/}} }
致谢
- 原始数据集：BlendedMVS
- 风格化方法：Telestyle
- 项目开发于 EPFL 的 Visual Intelligence (CS-503) 课程
