Virtual KITTI는 객체 감지 및 다중 객체 추적, 장면 수준 및 인스턴스 수준 의미 분할, 광학 흐름, 깊이 추정 등 다양한 비디오 이해 작업을 위한 컴퓨터 비전 모델을 학습하고 평가하기 위한 사진처럼 사실적인 합성 비디오 데이터 세트입니다. 이 데이터 세트에는 다양한 이미징 및 날씨 조건에서 도시 환경의 5가지 가상 세계에서 생성된 50개의 고해상도 단안 비디오(21,260개 프레임)가 포함되어 있습니다. 이러한 세계는 Unity 게임 엔진과 새로운 현실-가상 복제 방법을 사용하여 만들어졌습니다. 합성 비디오는 2D 및 3D 다중 객체 추적을 위해 픽셀 수준에서 범주, 인스턴스, 흐름 및 깊이 주석을 포함하여 자동으로 정확하고 포괄적으로 주석이 달립니다.