high-speed pool boiling videos dataset

该数据集由斯坦福大学等机构联合构建，包含200条单目高速池沸腾视频及同步双视角视频对，具有物理校准的度量尺度。数据通过高速摄像捕捉沸腾过程中的液-汽界面动态变化，包含拓扑结构改变、镜面反射等复杂物理现象。研究团队通过多视角同步采集和标定流程构建数据集，旨在解决两相流界面三维重建与速度场估计的难题，为计算机视觉与多相流研究的交叉领域提供基准数据。This dataset was jointly constructed by Stanford University and other institutions, containing 200 monocular high-speed pool boiling videos and synchronized dual-view video pairs with physically calibrated metric scales. The data captures the dynamic evolution of liquid-vapor interfaces during boiling processes via high-speed imaging, covering complex physical phenomena such as topological structure changes and specular reflections. The research team developed this dataset through multi-view synchronous acquisition and calibration workflows, aiming to address the challenges in three-dimensional reconstruction of two-phase flow interfaces and velocity field estimation, providing benchmark data for the interdisciplinary research field connecting computer vision and multiphase flow.

搜集汇总

数据集介绍

构建方式

在实验流体力学领域，获取两相流界面的精确三维动态数据长期面临挑战。该数据集的构建依托于精心设计的池沸腾实验平台，采用高速摄像系统以2000帧每秒的速率捕获单目视频序列，共计200段，用于训练视频扩散模型以学习界面外观与运动的视觉先验。为评估三维重建与速度估计，研究团队额外采集了一组经过物理标定的同步双视角视频对，两个相机以35度夹角布置，并通过ChArUco标定板精确获取相机内参、外参及公制尺度，确保了重建结果在度量空间中的准确性。

使用方法

该数据集主要用于推动基于稀疏视频的三维界面动态重建与速度估计这一新兴任务的研究。研究者可利用200段单目视频训练视频扩散模型，以获取针对两相流界面外观与运动的生成先验。随后，标定的双视角视频对可作为测试基准，用于评估如SurfPhase等方法的性能，具体任务包括新颖视角视频合成、界面几何重建以及三维速度场估计。在使用时，需遵循数据集中提供的相机参数与标定信息，确保重建过程在度量空间中进行，从而实现对界面动力学物理量的准确提取与验证。

背景与挑战

背景概述

高速池沸腾视频数据集由斯坦福大学、加州大学欧文分校及佐治亚理工学院的研究团队于2026年构建，旨在解决两相流界面动力学三维重建的核心科学问题。该数据集聚焦于沸腾与冷凝过程中的气液界面演化，其动态形变与拓扑变化直接影响动量、热量与质量的传递效率。传统实验技术如粒子图像测速法受限于界面移动导致的示踪粒子排斥与遮挡，而计算流体动力学则依赖难以独立获取的边界条件与经验闭合模型。SurfPhase方法通过整合动态高斯面元与符号距离函数，结合视频扩散模型生成新视角视频，实现了仅需两个稀疏视角的高质量三维界面重建与速度估计，为实验流体力学与计算机视觉的交叉研究提供了关键数据支撑。

当前挑战

该数据集致力于解决两相流界面三维动态重建的领域挑战，即从稀疏视频中精确恢复气液界面的几何形态与速度场。界面本身的快速形变、拓扑变化以及镜面反射与折射效应，使得传统神经渲染方法难以处理尖锐可变形边界。在构建过程中，研究团队面临实验条件带来的严峻限制：高温环境与设备布局导致光学访问受限，通常仅能布置两个同步摄像机视角，这使多视图约束严重不足。此外，高速摄像机对光照敏感，跨视图的外观差异降低了特征匹配精度，而现有相机姿态估计方法因领域差距无法直接适用，需采用定制化的ChArUco标定板实现度量空间对齐。

常用场景

经典使用场景

在相变传热与流体力学研究中，高速池沸腾视频数据集为界面动力学三维重建提供了关键基准。该数据集通过同步双视角高速摄像捕捉沸腾过程中的液-汽界面演化，其经典应用场景在于验证稀疏视角下的三维界面重构算法。研究者利用该数据集评估动态高斯面元与符号距离函数融合方法的几何一致性，同时借助视频扩散模型生成新颖视角以补偿观测不足，从而实现对界面形貌、运动轨迹与速度场的精确复原。

解决学术问题

该数据集有效解决了多相流界面动力学研究中长期存在的测量难题。传统侵入式探针会干扰流场结构，而光学方法如粒子图像测速技术则受限于示踪粒子排斥与界面遮挡。通过提供物理尺度校准的双视角视频，数据集使得基于视觉的非侵入式三维重建成为可能，为界面速度、剪切应力与相间滑移等关键参数的定量分析提供了实验依据，从而弥合了计算流体动力学模拟与真实观测之间的验证鸿沟。

实际应用

在工程实践领域，该数据集支撑了相变换热设备的性能优化与安全评估。例如，在核反应堆冷却、电子器件热管理以及能源系统中，沸腾过程的界面行为直接影响临界热通量与传热效率。利用数据集训练的重建模型能够从有限视角工业摄像中复原三维界面动力学，实现对气泡生长、合并与脱离过程的在线监测，为换热表面设计、流动不稳定性预警与系统控制策略提供数据驱动见解。

数据集最近研究

最新研究方向

在相变传热与流体力学领域，高速池沸腾视频数据集的推出，标志着基于视觉的界面动力学三维重建研究迈入了新阶段。该数据集作为SurfPhase方法的核心验证基础，其前沿应用聚焦于从稀疏视角视频中重构气液界面的三维几何与速度场。这一方向深度融合了计算机视觉中的动态高斯面元、符号距离函数以及视频扩散模型生成先验，旨在克服传统光学测量技术在移动界面附近的内在局限。热点事件体现在利用生成式人工智能补偿有限观测视角，实现仅需双摄像头的高精度界面追踪与速度估计，为能源系统、电子冷却等工程应用中的沸腾传热机理研究提供了非侵入式、高时空分辨率的测量新范式，显著推动了实验流体力学与计算视觉的交叉创新。

相关研究论文

• SurfPhase: 3D Interfacial Dynamics in Two-Phase Flows from Sparse Videos

  斯坦福大学·计算机科学系; 加利福尼亚大学欧文分校·机械与航空航天工程; 佐治亚理工学院·交互计算学院 · 2026年