Sintel

（a）来自超过 1600 帧数据集的几个样本地面实况流场和相应的图像。 (b) 我们在几遍中渲染图像以评估对流算法性能的各种影响。顶部：Albedo 通道在大多数区域具有恒定的亮度；中：Clean pass 引入光照；底部：Final pass 引入了运动模糊、焦点模糊和大气效果。 (c) 流上覆盖的黑色地面实况运动边界。 (d) 来自真实电影的相似序列用于验证 Sintel (e) 的统计数据是否代表自然场景。(a) Several sample ground-truth optical flow fields and their corresponding images from a dataset containing over 1600 frames. (b) We render images across multiple passes to evaluate various impacts on the performance of optical flow algorithms. Top: The Albedo channel maintains constant brightness across most regions; Middle: The Clean pass introduces lighting effects; Bottom: The Final pass adds motion blur, defocus blur, and atmospheric effects. (c) Black ground-truth motion boundaries overlaid on the flow fields. (d) Similar sequences sourced from real-world films are used to verify whether the statistics of Sintel (e) represent natural scenes.

搜集汇总

背景与挑战

背景概述

Sintel是一个用于光流估计的开源图像数据集，包含超过1600帧图像，通过Albedo、Clean和Final等多种渲染通道模拟光照、模糊等效果，并基于真实电影序列进行验证。该数据集由马克斯普朗克智能系统研究所于2012年发布，总大小为14.4GB，包含22.5k个样本。