带光照的物体：用于评估物体重建与渲染的真实世界数据集
内容提要
该文汇总了多个真实世界光照与三维数据集，包括：OpenIllumination（含108k图像、64个物体、72个视角及光照真值，用于反渲染评估）、ReNe数据集（支持NeRF重照明）、近千个三维模型与84万张RGB-D图像的基准、VIDIT虚拟场景、多光照真实场景、Stanford-ORB逆向渲染基准以及LUCES近场光度立体数据集，以推动光照估计、重照明与三维重建研究。
延伸解读
数据集覆盖从物体到场景的多层次光照任务
文章汇总的数据集并非单一类型：OpenIllumination、Stanford-ORB 和 LUCES 聚焦物体级的光照估计与逆向渲染，ReNe 面向 NeRF 的重照明，VIDIT 提供虚拟场景用于光照转移，而多光照真实场景数据集和室内场景数据集则扩展到场景级理解。这种分层意味着研究者可根据任务粒度选择基准，但跨数据集比较时需注意采集条件与标注范围的差异。
真实世界数据与合成数据各有侧重
文中既包含 OpenIllumination、Stanford-ORB 等真实采集数据集，也包含 VIDIT 虚拟场景和利用合成数据半自动化创建的数据集。合成数据可密集渲染并控制参数，适合分析渲染参数对估计性能的影响；真实数据则更贴近野外场景的噪声与复杂光照。文章提到合成数据与少量真实数据结合可提高估计准确性，提示实际研究中混合使用可能是务实策略。
评估基准推动方法可比性，但需关注任务定义
多个数据集明确以评估为目标：OpenIllumination 提供光照真值和分割掩码以定量评估反渲染方法，Stanford-ORB 建立首个全面的真实世界物体逆向渲染基准，LUCES 用于评估近场光度立体算法。这些基准使不同方法可在统一条件下比较，但各数据集的任务定义、光照条件和物体材料不同，读者在引用结论时应确认评估协议是否与目标应用匹配。
Q&A
OpenIllumination数据集包含哪些内容，主要用于什么任务？
OpenIllumination是一个真实世界数据集，包含108k多张图像、64个不同材质的物体，在72个摄像机视图和多种光照条件下捕获。它提供准确的相机参数、光照真值和前景分割掩码，主要用于反渲染和材料分解方法的定量评估。
ReNe数据集是为什么任务设计的？它有什么特点？
ReNe数据集是为从神经光辐射场（NeRF）中渲染新视角并实现重照明而设计的。它细分了现实世界中的物体以及光与相机姿态，可用于表明NeRF变体的光照能力，并确定一种轻量级架构，以在新光照条件下呈现对象的新视角。
那个包含近千个三维模型和84万张RGB-D图像的数据集有什么用途？
该数据集包含近千个三维对象模型及超过84万个现实世界的RGB和深度图像，旨在填补三维多视图重建的真实数据基准的缺乏。它通过半自动方式实现相机位置与物体姿态的精准标注，可用于形状重建、物体姿态估计、形状检索等3D应用。
VIDIT数据集是什么？它用于什么目的？
VIDIT是一个虚拟图像数据集，包含300个虚拟场景，旨在创造参考评估基准并推进照明操作方法的开发。它用于训练和评估照明转移算法，对领域适应和培训有很大帮助。
Stanford-ORB是什么？它评估什么任务？
Stanford-ORB是一个新的真实世界3D物体逆向渲染基准。它通过提供一个新的真实世界数据集，建立了首个全面的真实世界评估基准，用于评估对象逆向渲染任务在野外场景的性能，并比较了各种现有方法的表现。
LUCES数据集有什么特点？它用于评估什么算法？
LUCES是第一个包含52个LED灯对14个物体进行近距离照明的数据集，用于评估最新的近场物体光度立体算法在实际物体材料的近距离效果方面的表现。
