理想汽车提出3DRealCar：首个大规模3D真实汽车数据集!

主要观点总结

本文介绍了首个大规模、高质量的真实场景3D汽车数据集——3DRealCar。该数据集包含来自不同品牌、颜色和型号的2500辆真实场景中的汽车，具有真实世界尺寸的汽车图像和点云数据。数据集的特点包括高容量、高质量和高多样性，包含各种光照条件下的汽车图像，并提供了详细的汽车解析图。该数据集可用于支持各种与汽车相关的任务，如自动驾驶系统、虚拟/增强现实和游戏等。

关键观点总结

关键观点1: 数据集名称和规模

3DRealCar数据集包含2500辆真实场景中的汽车，是首个大规模、高质量的3D汽车数据集。

关键观点2: 数据集特点

数据集具有高容量、高质量和高多样性，包含各种光照条件下的汽车图像，并提供了详细的汽车解析图。

关键观点3: 数据集的应用

3DRealCar数据集可用于支持各种与汽车相关的任务，如自动驾驶系统、虚拟/增强现实、游戏、汽车检测、分割和解析任务、深度估计任务等。

关键观点4: 数据收集和处理方法

数据收集通过3D扫描仪扫描汽车获得RGB-D图像及其点云。使用Colmap和SAM获取姿态并去除背景点云，最后使用经过处理数据训练的3DGS获得3D汽车模型。

关键观点5: 数据集的挑战

数据集的挑战包括镜面高光的重建和黑暗环境下的重建。汽车在阳光或强光照射下的镜面高光以及黑暗环境下拍摄的训练图像丢失的重建细节给近期的3D方法带来了两大挑战。