Virtual KITTI

Virtual KITTI 是一个逼真的合成视频数据集，旨在学习和评估用于多个视频理解任务的计算机视觉模型：对象检测和多对象跟踪、场景级和实例级语义分割、光流和深度估计。 Virtual KITTI 包含 50 个高分辨率单目视频（21,260 帧），这些视频是从城市环境中的五个不同虚拟世界在不同成像和天气条件下生成的。这些世界是使用 Unity 游戏引擎和一种新颖的从真实到虚拟的克隆方法创建的。这些照片般逼真的合成视频会自动、准确且完全地注释 2D 和 3D 多对象跟踪，并在像素级别使用类别、实例、流和深度标签（参见下面的下载链接）。