Virtual KITTI 合成视频数据集

Virtual KITTI 是一个具有照片真实感的合成视频数据集，用于学习和评估计算机视觉模型，以完成多个视频理解任务：目标检测和多目标跟踪、场景级和实例级语义分割、光流和深度估计。

该数据集包含 50 个高分辨率单目视频（21,260 帧），这些视频是在不同的成像和天气条件下，从城市环境中的五个不同虚拟世界生成的。这些世界是使用 Unity 游戏引擎和一种新颖的从真实到虚拟的克隆方法创建的。

这些合成视频被自动地、准确地、全面地标注为二维和三维多目标跟踪，并在像素层面上有类别、实例、流量和深度标注。