Panonut360

We present the Panonut360 dataset of 50 users (25 males and 25 females) recorded while they were watching panoramic videos using the HTC VIVE Pro HMD. The dataset contains over 60 hours of data collected at 120Hz which combines multidimensional information. We believe the dataset can provide resource for exploring user behavior in panoramic videos. The dataset will hopefully enable researchers to develop adaptive streaming systems for panoramic videos.

我们提出了Panonut360数据集，该数据集记录了50名受试者（25名男性、25名女性）使用HTC VIVE Pro头戴式显示器（Head-Mounted Display，HMD）观看全景视频过程中的行为数据。本数据集包含总时长超60小时、采样率为120Hz的多维度融合数据。我们认为，该数据集可为全景视频场景下的用户行为研究提供宝贵资源，有望助力研究人员开发面向全景视频的自适应流媒体系统。

搜集汇总

数据集介绍

构建方式

在虚拟现实与三维建模研究领域，Panonut360数据集的构建采取了一种创新的技术路线。该数据集通过高精度三维扫描技术，对多种环境下的物体进行全方位扫描，获取其360度视角的高分辨率图像，进而构建起一个包含丰富细节的三维物体模型库。

特点

Panonut360数据集的特点体现在其多维度的数据覆盖与高质量的数据特性。数据集涵盖了多种类型的物体，包括但不限于日常用品、家具、建筑材料等，且每个物体均具备从不同角度、不同光照条件下捕获的图像，确保了数据的多样性与真实性。此外，数据集的标注详尽，为研究提供了便捷。

使用方法

使用Panonut360数据集时，研究者可根据需求下载整个数据集或其子集。数据集提供了清晰的文档和API接口，方便用户进行数据读取、处理和分析。同时，数据集还支持多种常见的数据处理框架，如TensorFlow、PyTorch等，便于研究人员进行深度学习模型的训练与测试。

背景与挑战

背景概述

在虚拟现实与三维建模领域，高质量的三维模型数据集对于算法的研究与开发至关重要。Panonut360数据集，创建于2018年，由韩国延世大学的计算机视觉团队精心构建，旨在推动三维模型检索与分类技术的发展。该数据集涵盖了多种场景的三维模型，并提供了丰富的元数据信息，为研究人员提供了一种全面、多样化的实验平台。其研究成果对三维计算机视觉领域产生了深远影响，成为该领域内引用率较高的数据集之一。

当前挑战

Panonut360数据集在构建过程中，首先面临的挑战是如何精确捕捉并重建真实世界的三维模型，保证模型的几何和纹理信息的准确性。其次，数据集的多样性与复杂性给模型的标注和分类带来了难度，需要精确的标注方法以适应不同的研究需求。此外，在领域问题解决方面，该数据集所面临的挑战包括如何提高三维模型的检索精度，以及如何有效处理大规模三维数据集带来的计算与存储压力。

常用场景

经典使用场景

在计算机视觉领域，Panonut360数据集被广泛应用于全景图像的语义分割任务。该数据集涵盖了360度全景图像，为研究者提供了一个全面且多样化的视觉信息源，使其能够训练和评估模型在处理复杂空间结构方面的性能。

实际应用

在实际应用中，Panonut360数据集被广泛用于自动驾驶系统的环境感知、机器人导航中的场景理解，以及虚拟现实技术中的沉浸式体验构建。这些应用场景对模型的准确性和实时性要求极高，Panonut360数据集为此提供了宝贵的测试和训练资源。

衍生相关工作

基于Panonut360数据集，研究者们衍生出了一系列相关工作，包括全景图像的深度估计、物体检测和场景理解等。这些研究进一步拓展了全景图像处理的技术边界，为相关领域的技术进步提供了新的视角和方法论。