DynPose-100K は、NVIDIA が 2025 年に公開した、10 万本の多様なダイナミック動画とその正確なカメラ注釈を含む大規模データセットです。関連する論文成果は「Dynamic Camera Poses and Where to Find Them」で、動画におけるカメラ内部パラメータと姿勢の正確な推定という課題を解決することを目的とし、カメラ推定に適した動画を選別し、ダイナミック動画のカメラ推定アルゴリズムを改善することで、コンピュータビジョン研究に高品質なデータサポートを提供します。

このデータセットは、320 万本の候補動画から厳選されたもので、ダイナミックなコンテンツが豊富な動画クリップを含み、すべての動画にはワールドからカメラへのカメラ姿勢（poses）とカメラ内部パラメータ（intrinsics）が注釈されています。

データセット構成

データセットは主に以下の部分とフィールドで構成されています：

• 動画データ：約 10 万本の MP4 形式の動画で、解像度は 1280×720（720p）、総サイズは約 200 GB。
• フレームデータ：動画から抽出された JPG 形式のフレームで、フレームレートは 12 fps、総サイズは約 400 GB。
• カメラ注釈データ：PKL 形式のファイルで、以下のフィールドを含みます：
• poses：カメラ姿勢行列（N',3,4）
• intrinsics：カメラ内部パラメータ行列（3,3）
• frame_idxs：対応するフレームインデックスのリスト
• mean_reproj_error：平均再投影誤差
• num_points：再投影点の数
• num_frames：動画の総フレーム数
• メタデータファイル：
• metadata.csv：動画 ID、URL、タイムスタンプ、説明などの情報を含み、動画のダウンロードとフレーム抽出に使用されます。
• uid_mapping.csv：UID マッピングファイル。
• Lightspeed ベンチマークテストセット：真のカメラ姿勢を持つ短い動画クリップを含み、DynPose-100K の注釈方法を検証するために使用され、総サイズは約 8.1 GB。

引用

@inproceedings{rockwell2025dynpose,
    author = {Rockwell, Chris and Tung, Joseph and Lin, Tsung-Yi and Liu, Ming-Yu and Fouhey, David F. and Lin, Chen-Hsuan},
    title = {Dynamic Camera Poses and Where to Find Them},
    booktitle = {CVPR},
    year = 2025
}