本文目录导航：
- 5个高质量数据集网站建议收藏
- Occ3D: A Large-Scale 3D Occupancy Prediction Benchmark for Autonomous Driving
- [事件相机]真实数据集整理
5个高质量数据集网站建议收藏
探索丰富的数据集资源，是数据科学项目起步的关键。
以下是五款推荐的高质量数据集网站，为你的研究和学习提供更多可能。
首先，DataSearch（）提供了一站式的数据集搜索平台，覆盖广泛领域，帮助你快速定位所需数据。
接着，五号雷达数据集搜索引擎（/）提供了一个用户友好的界面，支持数据集的分类筛选和直接搜索，方便你找到特定需求的数据。
FindData（/）专注于提供高质量的数据集，涵盖多个研究领域，为学术研究和实践应用提供丰富资源。
Kaggle（）则是一个全球性的数据科学竞赛平台，同时也是一个数据集资源库。
这里不仅有各种竞赛数据集，还有用户分享的各类数据，满足不同阶段的学习和项目需求。
最后，魔搭社区（/datasets）则是一个模型和数据集共享平台，提供经过高质量验证的数据集，适合深度学习和人工智能研究者。
以上网站涵盖了数据搜索、分类、共享等多个方面，为数据科学项目提供全面的资源支持。
无论是学术研究还是实际应用，都能在这五款网站中找到适合你的数据集，加速你的项目进程。
Occ3D: A Large-Scale 3D Occupancy Prediction Benchmark for Autonomous Driving
组织：清华IIIS， NVIDIA标题：Occ3D：面向自动驾驶的大型场景高分辨率3D 占有预测基准概述：本文介绍了Occ3D，一个用于3D环境感知的高质量数据集和基准，旨在解决自动驾驶场景中物体精细几何和语义预测的挑战。
数据集基于Waymo和nuScense构建，包括Occ3D-Waymo和Occ3D-nuScenes。
提出了一种基于transformer的Coarse-to-Fine 3D 占有预测模型CTF-Occ，并在两个数据集上验证了其卓越性能。
主要工作包括：1）构建了两个数据集，Occ3D-Waymo和Occ3D-nuScenes，提供环视图像和高分辨率3D体素表示；2）提出了CTF-Occ模型，通过Coarse-to-Fine机制直接在3D体素空间下提取特征；3）验证了模型在两个数据集上的SOTA性能。
数据集构建难点：稀疏性、遮挡和3D-2D对齐问题。
为了解决这些问题，提出了半自动标签生成流程，包括体素稠密化、遮挡推理和图像引导细化。
CTF-Occ模型：基于transformer的Coarse-to-Fine网络，通过交叉注意力将2D图像特征聚合到3D空间中，实现空间分辨率的提升和几何细节的细化。
贡献：提供了第一个大型场景下的高质量3D占有预测数据集和基准，支持了Coarse-to-Fine 3D特征提取的主流方法。
CTF-Occ模型在Occ3D-Waymo和Occ3D-nuScenes上取得了SOTA性能。
局限性：标签生成流程依赖于精确传感器标定，且难以处理变形物体。
Occ3D为3D占有预测任务提供了关键资源，而CTF-Occ模型展示了在3D体素空间中直接提取特征的有效性，促进了自动驾驶感知技术的发展。
[事件相机]真实数据集整理
文章内容主要围绕多个事件相机相关的真实数据集进行介绍与解析，目的在于为研究、开发与应用事件相机技术的学者与工程师提供高质量的测试与训练资源。
以下是数据集的概览：RGB-DAVIS：使用APS相机与DAVIS相机，分辨率为180x190，帧速率为50FPS，镜头光圈为F/1.4。
数据集包含室内与室外场景、复杂纹理与相机、物体运动情况。
数据集的下载链接提供在文章中。
RGBlur+E：数据集包括两个子集RGBlur+E-HS与RGBlur+ELS，分辨率分别为970x625，具有硬件同步。
RGB为180FPS拍摄，多帧平均得到模糊图，单帧为清晰图作为GT，用于数值评估。
训练集包含7600对，测试集3586对。
REBlur：采用DAVIS相机与高精度电控滑轨系统，固定于光学平台上。
通过两次曝光拍摄模糊图像与事件流，根据时间戳定位清晰图像。
下载链接提供在文章中。
EFI-Net：使用Samsung GEN3 DVS相机与三星Galaxy S10+ APS相机，轮子以不同速度旋转，创建不同场景。
通过定位闪烁LED并计算两个相机视角间的平面单应性实现空间对齐。
时间对齐通过精确定时的LED面板实现。
UEVD：使用DAVIS346 RGB数据，拍摄小幅度运动，多帧合成模糊图像。
数据集下载链接提供在文章中。
HQF：使用两个DAVIS 240c相机，特性未详细说明，提供下载链接。
EventNFS：使用DAVIS346相机，将屏幕分割为不同分辨率的小块，拍摄高帧率视频，用于事件降噪与超分辨率训练。
数据集下载链接提供在文章中。
THU^HSEVI：使用DAVIS346与MIKROTRON EoSens 1.1CXP2相机，提供25FPS低帧率视频与5000FPS高帧率视频，作为VFI任务输入与GT。
数据集中包含6个高速运动场景，如瓷杯破碎、水弹等。
下载链接提供在文章中。
EventNFS与THU^HSEVI数据集都旨在为事件相机插帧任务提供真实且高质量的GT。
DVSNoise：专注于评估事件去噪算法性能的数据集，使用DAVIS346收集，包括限制相机运动、校准IMU与避免APS中饱和度与严重噪声的措施。
数据集包括16个室内与室外真实噪声场景，形成DVSNOISE20，每个场景捕捉三次，共48个序列。
文章总结了多个事件相机相关的真实数据集，这些数据集提供了广泛的应用场景与高质量的GT，对于事件相机技术的研究与开发具有重要意义。
数据集提供了丰富的资源，旨在支持研究人员与工程师进行深入研究与创新。
评论（0）