什么是InteriorNet 数据集

InteriorNet 数据集概览

详细介绍

1. 数据来源与制作
   InteriorNet 依托 Kujiale（酷家乐）在室内装修领域积累的海量真实设计方案，结合 Imperial College London 的计算机视觉团队，利用自研的光线追踪渲染流水线，将数百万 CAD 模型和数千种室内布局转化为高保真合成图像。渲染过程支持多光源、材质变化以及动态场景重排，确保每帧图像在光照、阴影、反射等方面接近真实拍摄效果。
2. 多模态标注
   • RGB‑D：每帧提供彩色图像与对应深度图（深度范围可自定义）。
   • 语义/实例分割：像素级标签覆盖家具、墙面、地板等 20+ 类别。
   • 法向量 & 光照：用于光照估计与几何重建。
   • IMU & 事件相机：模拟真实移动设备的惯性测量，支持时序 SLAM 研究。
   • 多相机模型：包括普通针孔相机、鱼眼、全景相机，满足不同视觉任务需求。
3. 数据组织
   • 场景层级：每个室内布局对应唯一 ID，内部包含家具实例、材质文件、相机轨迹文件。
   • 轨迹生成：提供随机生成的相机运动轨迹，并通过学习式风格模型扩展为更贴近真实的人体移动轨迹。
   • 文件格式：图像采用 PNG/JPEG，深度、法向量等采用 16‑bit PNG，标注采用 PNG 或 JSON，IMU 数据采用 CSV。
4. 典型使用案例
   • SLAM 基准：在 CVPR、ICCV 等顶会的 SLAM 论文中，常以 InteriorNet 评估稀疏/稠密 SLAM 系统的鲁棒性（如对光照变化、动态物体的适应能力）。
   • 深度估计：利用其像素级深度标签训练单目深度网络，已在多篇论文中实现跨域迁移到真实室内场景。
   • AR 场景生成：结合生成式模型（如 NeRF）使用 InteriorNet 的高质量光照信息，实现逼真的室内虚拟渲染。
5. 获取与使用注意事项
   • 访问 https://interiornet.org/ → “Download” 页面 → 填写使用协议（需注明科研或商业用途）。
   • 完成协议后，官方会通过邮件发送完整数据的下载链接（包括图像、视频、标注、CAD 资产等）。
   • 使用时请遵守协议中的 版权声明 与 引用要求，在论文或项目中务必引用原始论文。

小结

InteriorNet 是目前公开的 最大规模、最高真实感的室内合成数据集，在规模（上千万场景、上亿张图像）和多模态（RGB‑D、语义、IMU、事件等）上均领先于传统室内数据集（如 ScanNet、Matterport3D）。它为 SLAM、深度估计、场景理解、AR/VR、机器人导航 等前沿研究提供了统一、可扩展的基准平台，已被广泛引用并推动了室内视觉技术的快速发展。若您需要大规模、标注完整且可交互的室内数据，InteriorNet 是首选资源。