Tanks & Temples 简介
Tanks & Temples（简称 T&T）是由 Intel Labs（Arno Knapitsch、Jaesik Park、Qian‑Yi Zhou、Vladlen Koltun）在 2017 年推出的 大规模场景重建基准。它面向 图像‑驱动的 3D 重建（Structure‑from‑Motion + Multi‑View Stereo），提供真实的激光雷达点云作为 ground‑truth，用于评估算法在 精度（Precision）、召回率（Recall） 与 F‑score 等指标上的表现。
1. 基准结构
- 数据集划分：
- Intermediate（中级）：包括 “Family”、 “Church”、 “Temple”等相对小范围、纹理丰富的场景。
- Advanced（高级）：包括 “Auditorium”、 “Panther”、 “Truck”等大尺度、几何复杂的室外/室内场景。
- 每个场景提供高分辨率视频序列（数千帧）以及对应的 Lidar 点云（数百万点），并公开相机模型、曝光参数等采集细节。
- 评估方式：
- 通过公开的评估服务器提交重建结果，系统自动计算 Precision、Recall、F(τ)（τ 为距离阈值）等指标。
- 评测结果会在 Leaderboard 上公开，推动社区持续改进。
2. 关键特性
| 特性 | 说明 |
|---|---|
| 真实 Ground‑Truth | 使用激光雷达采集的点云，确保评测的客观性。 |
| 多尺度场景 | 从几米到上百米不等，覆盖室内、室外、城市、自然等多种环境。 |
| 公开评测平台 | 研究者可在线提交结果，实时查看排名。 |
| 丰富的基准指标 | 除 F‑score 外，还提供 Precision‑Recall 曲线、完整性（Completeness） 等细粒度分析。 |
| 社区工具 | 官方提供 Python Toolbox，帮助下载数据、提交结果、解析评测报告。 |
3. 主要成果与影响
- 该基准自发布以来，已成为 SfM / MVS 领域最受认可的评测平台之一，众多顶尖方法（如 MVSFormer++、TensoRF+NeRFLiX++）均在其上取得领先成绩。
- 在 Papers with Code 上拥有专属页面，列出对应的论文、代码实现和排行榜信息。
4. 资源链接（均可直接访问）
| 链接 | 内容 |
|---|---|
| 官方网站 | https://www.tanksandtemples.org/ |
| 数据集下载页面 | https://www.tanksandtemples.org/dataset/ |
| Leaderboard（排行榜） | https://www.tanksandtemples.org/leaderboard/ |
| 论文 PDF（原始论文） | https://vladlen.info/papers/tanks-and-temples.pdf |
| GitHub Toolbox（下载/提交脚本） | https://github.com/RuanJY/TanksAndTemples |
| Papers with Code 页面 | https://paperswithcode.com/dataset/tanks-and-temples |
| 教程示例（PLY 点云可视化） | https://heremaps.github.io/pptk/tutorials/viewer/tanks_and_temples.html |
通过上述链接，你可以获取完整的数据集、评测说明、最新的排行榜以及社区实现代码，快速上手并在该基准上检验自己的 3D 重建算法。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！