文章連結：
https://arxiv.org/abs/2406.04875
專案主頁：
https://xiaobiaodu.github.io/3drealcar/
總覽
3D 汽車通常用於自動駕駛系統、虛擬/增強現實和遊戲中。然而，現有的 3D 汽車資料集要麼是合成的，要麼是低質量的，與高質量的真實世界 3D 汽車資料集存在很大差距，限制了它們在實際場景中的應用。
在本文中，我們提出了首個大規模 3D 真實汽車資料集，即 3DRealCar 資料集，該資料集具有三個顯著特點：
1. 高數量：透過 3D 掃描器對 2500 輛汽車進行細緻掃描，獲得具有真實世界尺寸的汽車影像和點雲；
2. 高質量：每輛汽車平均有 200 個密集的、高解析度的 360 度 RGB-D 檢視，可實現高保真 3D 重建；
3. 高多樣性：資料集包含 100 多個品牌的各種汽車，在三種不同的照明條件下采集，包括反光、標準和暗光。此外，我們還為每個例項提供了詳細的汽車解析圖，以促進汽車解析任務的研究。
可支援的任務
由於我們的資料集提供了 RGB-D 影像、點雲、汽車解析圖和詳細標註，因此我們可以在其中執行各種二維和 3D 任務。具體來說，我們提供了汽車解析分割標註，這表明我們的資料集可用於汽車檢測、分割和解析任務。此外，我們捕獲的 RGB-D 影像還支援深度估計任務。由於我們收集的汽車型別多種多樣，研究人員可以利用我們的資料集對不同型別的汽車進行領域遷移學習。
至於 3D 任務，我們捕獲的密集檢視和點雲可用於 3D 重建、3D 生成、新檢視合成、車輛點雲補全和車輛點雲解析。有了重建的 3D 汽車，我們就可以用它們來模擬特殊場景，以訓練強大的自動駕駛感知系統。
3D汽車解析
我們的資料集是首個提供 3D 汽車解析註釋的資料集，用於解析 3D 空間中的汽車部件。
由於我們為 3DRealCar 資料集中的每個例項提供了二維汽車解析圖，因此我們可以將二維解析圖提升到 3D，併為點雲和網格分割每個元件。這些 3D 汽車解析圖的主要目的是對汽車結構進行精確而全面的分析，這對於自動駕駛、汽車設計、汽車編輯和虛擬現實模擬等應用至關重要。
透過使用這些詳細的 3D 解析圖，開發人員和研究人員可以改進物體識別演算法，增強碰撞檢測系統。此外，該資料集還有助於訓練機器學習模型，以便更好地理解汽車部件的空間關係和物理屬性，從而開發出更先進、更可靠的汽車技術。
重建結果
我們在資料集中展示了最近最先進的 3D 重建方法——3DGS 的視覺化效果。在標準照明條件下，3DGS 能夠從我們的資料集中重建出相對高質量的 3D 汽車。需要注意的是，這種水平的重建質量足以被下游任務所利用和渲染。然而，反光和黑暗條件下的結果並不樂觀。因此，我們的 3DRealCar 的這兩個部分給最新的 3D 方法帶來了兩個挑戰。
第一個挑戰是鏡面高光的重建。由於汽車的特殊屬性，汽車表面的材料一般都有光澤，這意味著如果汽車暴露在陽光或強光下，就會產生大量的鏡面高光。
第二個挑戰是黑暗環境下的重建。在黑暗環境中拍攝的訓練影像在重建時會丟失大量細節。因此，如何在這兩種極端光照條件下獲得高質量的重建結果是對最新方法的挑戰。
我們希望這些結果能夠鼓勵更多在惡劣條件下進行 3D 重建的後續研究。
更多閱讀
#投 稿 通 道#
讓你的文字被更多人看到
如何才能讓更多的優質內容以更短路徑到達讀者群體，縮短讀者尋找優質內容的成本呢？答案就是：你不認識的人。
總有一些你不認識的人，知道你想知道的東西。PaperWeekly 或許可以成為一座橋樑，促使不同背景、不同方向的學者和學術靈感相互碰撞，迸發出更多的可能性。
PaperWeekly 鼓勵高校實驗室或個人，在我們的平臺上分享各類優質內容，可以是最新論文解讀，也可以是學術熱點剖析、科研心得或競賽經驗講解等。我們的目的只有一個，讓知識真正流動起來。
📝 稿件基本要求：
• 文章確係個人原創作品，未曾在公開渠道發表，如為其他平臺已發表或待發表的文章，請明確標註
• 稿件建議以 markdown 格式撰寫，文中配圖以附件形式傳送，要求圖片清晰，無版權問題
• PaperWeekly 尊重原作者署名權，並將為每篇被採納的原創首發稿件，提供業內具有競爭力稿酬，具體依據文章閱讀量和文章質量階梯制結算
📬 投稿通道：
• 投稿郵箱：[email protected]
• 來稿請備註即時聯絡方式（微信），以便我們在稿件選用的第一時間聯絡作者
• 您也可以直接新增小編微信（pwbot02）快速投稿，備註：姓名-投稿
△長按新增PaperWeekly小編
🔍
現在，在「知乎」也能找到我們了
進入知乎首頁搜尋「PaperWeekly」
點選「關注」訂閱我們的專欄吧
·
·
·