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:

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。之前使用torchDataLoader类直接加载图像并将其转换为张量。

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

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

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。现在结合torchvision和torchtext介绍torch中的内置数据集。

自带 Python 接口

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:

参考链接: