Synthetic Dataset 和 Real Dataset (BS-Human)

合成数据集用于评估模糊感知的三维高斯头像合成技术，基于ZJU-MoCap数据集构建。真实数据集（BS-Human）用于评估类似技术，包含实际采集的数据。

A synthetic dataset built upon the ZJU-MoCap dataset is used to evaluate blur-aware 3D Gaussian head avatar synthesis techniques. The real-world dataset (BS-Human) is designed for evaluating similar techniques and includes data collected in real-world scenarios.

原始信息汇总

Bundle Adjusted Gaussian Avatars Deblurring

数据集

合成数据集

• 来源: ZJU-MoCap
• 限制: 由于ZJU-MoCap的协议，无法重新分发清晰的ZJU-MoCap数据。
• 构建步骤:
  1. 下载模糊帧和校准数据，解压至./data/BlurZJU。
  2. 下载ZJU-MoCap（精炼版本），解压并放置六个场景（my_377, my_386, my_387, my_392, my_393, my_394）至./data/ZJU-MoCap-Refine。
  3. 运行python rearrange_zju.py重新排列数据集。

真实数据集 (BS-Human)

• 下载链接: BS-Human数据集
• 解压路径: ./data

训练

合成数据集

bash chmod 777 train_BlurZJU.sh bash train_BlurZJU.sh

真实数据集

bash chmod 777 train_BSHuman.sh bash train_BSHuman.sh

搜集汇总

数据集介绍

构建方式

在构建Synthetic Dataset时，研究团队遵循了ZJU-MoCap的协议，无法重新分发其清晰数据，因此用户需自行下载原始数据集。具体步骤包括：首先，从指定链接下载模糊帧和校准数据，并解压至指定目录；其次，按照特定流程下载ZJU-MoCap的精炼版本，并将其六个场景文件放置于另一目录；最后，运行重排脚本以完成数据集的重组。对于Real Dataset (BS-Human)，用户只需从指定链接下载并解压至数据目录即可。

使用方法

使用该数据集时，用户需首先配置Python环境，确保安装了所有必要的依赖包。随后，根据数据集类型（合成或真实），用户需下载相应的数据文件并解压至指定目录。对于Synthetic Dataset，用户还需额外下载ZJU-MoCap的精炼版本，并运行重排脚本以重组数据。完成数据准备后，用户可通过执行提供的训练脚本进行模型训练。

背景与挑战

背景概述

Synthetic Dataset 和 Real Dataset (BS-Human) 是由上海人工智能实验室和东京大学的研究人员共同创建的数据集，旨在评估模糊感知的三维高斯喷射（3DGS）人体化身合成技术。该数据集的核心研究问题是如何在存在模糊的情况下，准确地合成和调整三维人体模型。主要研究人员包括Muyao Niu、Yifan Zhan、Qingtian Zhu等，他们的工作对计算机视觉和图形学领域具有重要影响，特别是在三维人体建模和图像去模糊方面。

当前挑战

该数据集面临的挑战主要包括两个方面：一是合成数据集的构建，由于ZJU-MoCap数据集的协议限制，无法重新分发其清晰数据，因此需要用户自行下载原始数据并使用提供的脚本进行处理；二是真实数据集的获取和处理，需要从特定链接下载并解压到指定目录。此外，数据集的训练过程也存在挑战，如需要特定的Python环境和SMPL模型文件，以及对CUDA和PyTorch的依赖。

常用场景

经典使用场景

在计算机视觉与图形学领域，Synthetic Dataset 和 Real Dataset (BS-Human) 数据集被广泛用于评估和优化模糊感知的三维高斯喷射（3DGS）人体化身合成技术。这些数据集通过提供合成和真实的模糊图像，帮助研究人员开发和验证去模糊算法，特别是在处理动态场景中的人体运动时。

解决学术问题

该数据集解决了在动态场景中进行高精度三维人体模型重建的学术难题。通过提供合成和真实的模糊图像，它使得研究人员能够更有效地开发和验证去模糊算法，从而提高三维人体模型的重建精度和逼真度。这对于增强现实（AR）和虚拟现实（VR）应用中的用户体验具有重要意义。

实际应用

在实际应用中，Synthetic Dataset 和 Real Dataset (BS-Human) 数据集被用于开发和优化增强现实（AR）和虚拟现实（VR）系统中的三维人体模型。这些模型在游戏、影视制作、远程会议和虚拟试衣等领域有着广泛的应用，能够显著提升用户体验和交互效果。

数据集最近研究

最新研究方向

在计算机视觉与图形学领域，合成数据集与真实数据集（BS-Human）的最新研究方向主要集中在模糊感知的三维高斯喷射（3DGS）人体化身合成技术。这一技术旨在通过合成数据集中的模糊图像与真实数据集中的实际模糊场景，提升三维人体模型的重建精度与真实感。研究者们通过结合高斯喷射技术与深度学习方法，探索如何在保持模型细节的同时，有效去除图像中的模糊效果，从而推动虚拟现实、增强现实及人机交互等应用的发展。