今年CV顶会上这个方向最火！

在上周结束的国际计算机视觉会议ICCV 2023 上，官方公布的热门研究话题中 “3D from multi-view and sensors”排在第一位。

三维重建（三维视觉）是当今计算机视觉研究领域的热点方向，在ICCV上甚至超过了AIGC领域的工作。

本文汇总趋动云平台上相关数据集，这些数据集往往很大，几十G甚至上百G，但在趋动云上仅需要一键选择，即可使用，节省相关研究者宝贵的时间。

KITTI 数据集

• 论文："The KITTI Vision Benchmark Suite" by Andreas Geiger, Philip Lenz, and Raquel Urtasun.

• 网址：http://www.cvlibs.net/datasets/kitti/

• 介绍：KITTI 数据集是一个广泛用于自动驾驶和三维视觉研究的数据集。它包括了来自车载传感器的多种数据，如激光雷达、相机图像、GPS 定位等，用于物体检测、语义分割、三维物体跟踪和场景重建等任务。

NYU Depth 数据集

• 论文："Indoor Scene Understanding with RGB-D Images" by Nathan Silberman, et al.

• 网址：https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html

• 介绍：NYU Depth 数据集是用于室内场景理解的 RGB-D 图像数据集。它包含了丰富的场景信息，适用于语义分割、物体识别、深度估计等任务。

ScanNet 数据集

• 论文："ScanNet: Richly-annotated 3D Reconstructions of Indoor Scenes" by Angela Dai, et al.

• 网址：http://www.scan-net.org/

• 介绍：ScanNet 数据集包含室内场景的 3D 重建数据，包括 RGB 图像、深度图像、语义分割和 3D 重建。这个数据集支持室内场景的三维重建和理解研究。

DTU-MVS 数据集

• 论文："Large-Scale Data for Multiple-View Stereopsis" by Henrik Aan?s, et al.

• 网址：http://roboimagedata.compute.dtu.dk/?page_id=36

• 介绍：用于多视图立体匹配（Multi-View Stereo，MVS）研究的重要数据集之一。该数据集由丹麦技术大学（Technical University of Denmark）创建，旨在支持三维重建和计算机视觉研究。

使用上述数据集，只需要在趋动云后台检索相关关键字即可，如：