这年头，AI玩家们想找到合适的图像数据集，简直是越来越难了。

不仅数据质量参差不齐，合适的数据类型也难找。

为了解决这些问题，来自谷歌，MIT，DeepMind，MILA和剑桥大学等11家机构的34名研究人员，联手打造了一个名叫Kubric的数据集生成器，不仅能自己渲染，而且图像效果也非常真实。

不仅各种图像数据都能做，像语义分割，深度图或光流图这种特殊数据都能一键生成:

还能控制渲染的真实度，渲染出的视频可以达到以假乱真的效果:

这样的一个数据集生成器，到底要怎么上手。

可生成13类CV任务所需数据

先来看看这个Kubric数据集生成器究竟是个啥。

简单来说，它有点像是一个专为图像AI打造的数据车间，基于跨平台开源物理引擎PyBullet和3D图像渲染软件Blender打造。

其中，PyBullet给用户提供了一个模拟3D物体运动的平台，例如两个球之间的弹性碰撞参数就可以用它来模拟。

Blender则是一个渲染3D动画的平台，但它的优势在于操作方便，而且既可以做出照片级逼真的渲染图像，也可以输出3D动画效果。

可能这时候你会问，Kubric相比自己手动渲染视频或图像数据集，方便在哪。

一方面，Kubric自带一系列预处理的基础图像数据库。

除了11个基础3D模型以外:

还内置了Google Scanned Objects室内家具物品数据集中的一系列模型，以及包含背景，光照，材料纹理等参数的Polyhaven数据集，还有ShapeNet数据集等。

也就是说，如果你对渲染不太了解，也能利用内置的数据库快速生成想要的图像。

另一方面，Kubric直接提供了从渲染数据到输出AI训练数据的管道，省去了将渲染图像转成特殊数据，或是额外收集如视场，相机参数，光照等数据的麻烦。

这也使得Kubric支持生成13类CV任务所需的图像数据，具体包括光流，NeRF，姿态估计，3D重建等。

没错，即使这些生成的图像中有2D也有3D类型，需要的数据量也从MB到TB级别不等，但Kubric都能满足。

Kubric生成的光流图

那么，这样的数据集生成器究竟要怎么用呢。

自带Python接口

在安装之后，第一步就是创建默认场景:

然后，再通过这两步，分别创建一块地板，和一个球体:

接下来就是在场景中加一个照明，以及渲染摄像头采集图像:

导出文件后，就能获取一个3D球体的图像了:

Blender中的效果

如果需要深度图，灰度图等特殊图层的话，也是几行代码就能搞定:

比自己手动导出要更方便一些:

在原基础上，再加5行代码就能直接运行出动态视频版:

看起来，做完数据集后，即使不懂渲染的也能成为半个行家了

目前新的一批内置数据集还在施工中，感兴趣的小伙伴可以先上手试玩~

项目地址:

论文地址: