Booster Dataset

我们提出了一种新颖的高分辨率且具有挑战性的立体数据集，将室内场景与密集且准确的地面真相差异进行注释。我们的数据集特有的是几个镜面和透明表面的存在，即最先进的立体声网络故障的主要原因。我们的采集管道利用了一种新颖的深时空立体声框架，该框架可以轻松，准确地以亚像素精度进行标记。我们总共发布了在64个不同场景中收集的419个样本，并用密集的地面真相差异进行注释。每个样本包括高分辨率对 (12 mpx) 以及不平衡对 (左: 12 mpx，右: 1.1 Mpx)。此外，我们还提供手动注释的材料分割掩模和15k个未标记的样本。我们根据我们的数据集评估了最先进的深度网络，强调了它们在解决立体和未来研究的提示中的开放性挑战方面的局限性。