3d

：针对基于深度学习的3D视觉的大规模场景数据集

：针对基于深度学习的3D视觉的大规模场景数据集 基于深度学习的3D视觉领域已经取得了显著的进步，从神经辐射场（NeRF）驱动的3D表示学习到应用于全新视角合成（NVS）。然而，当前的针对基于深度学习的3D视觉的场景级别数据集，不管是只限于虚构环境或者狭窄的现实世界场景的选择，都非常框定。这种局限性限制了我们对现有方法进行全面的基准测试，也限制了在基于深度学习的3D分析中可能探索的领域。 为了填补这个空白，我们提出了DL3DV-10K，一个大规模场景数据集，包含51.2百万帧，从10,510个视频中捕获，涵盖了65种热点（POI）地点，包括有边界和无边界的场景，呈现出不同层次的反射、透明度和光照。 我们对DL3DV-10K进行了全新视角合成（NVS）方法的全面基准测试，揭示出NVS未来研究的宝贵观察。此外，我们利用DL3DV-10K进行的通用化NeRF初步学习研究取得了令人鼓舞的结果，突显了大规模场景级别数据集对于建立学习3D表示的基础模型的重要性。

AI根据人眼的反射图像重建3D场景

AI根据人眼的反射图像重建3D场景 人眼的反射性质是一个未被充分重视的信息来源，马里兰大学帕克分校的研究员发现，通过AI模型和人类肖像中的眼睛反射，可以重建相机镜头之外的多个3D场景。 所有健康成年人的角膜几何形状大致相同，如果计算图像中人类角膜的像素大小，就可以准确计算出他们眼睛的方位。利用这种判断力，研究员训练了一个眼睛反射的辐射场，为了消除重建中出现的虹膜，研究员同时训练AI学习了虹膜的2D纹理图来执行纹理分解。