螞蟻靈波開源2.71T深度數(shù)據(jù)集，填補真實場景空間感知數(shù)據(jù)空白

3 月 31 日，螞蟻靈波科技正式開源大規(guī)模 RGB-D 深度數(shù)據(jù)集 LingBot-Depth-Dataset。該數(shù)據(jù)集包含 300 萬對高質(zhì)量樣本，其中 200 萬對來自真實場景采集、100 萬對由渲染生成，總規(guī)模達(dá) 2.71TB，覆蓋 6 款主流深度相機，是目前開源社區(qū)中規(guī)模最大的真實場景 RGB-D 數(shù)據(jù)集。此次開源將為具身智能、空間感知和三維視覺等方向提供更豐富、更貼近真實應(yīng)用的數(shù)據(jù)支撐。

（圖說：LingBot-Depth-Dataset 數(shù)據(jù)樣例。從上到下依次為 RGB 圖像、傳感器原始深度圖和真值深度圖。該數(shù)據(jù)集同時提供原始深度與真值深度信息，為相關(guān)模型在真實場景中的訓(xùn)練和評估提供有力支撐。）

長期以來，公開深度數(shù)據(jù)集普遍存在規(guī)模有限、真實場景覆蓋不足、硬件設(shè)備單一等問題，不少數(shù)據(jù)以合成為主，與真實傳感器在噪聲、空洞和材質(zhì)表現(xiàn)上存在較大差異，在很大程度上制約了相關(guān)模型在真實環(huán)境中的應(yīng)用。

LingBot-Depth-Dataset 有效填補了空間感知領(lǐng)域的數(shù)據(jù)空白，特別是提供了大規(guī)?；谡鎸崍鼍芭臄z的數(shù)據(jù)。這套數(shù)據(jù)集每條樣本均包含 RGB 圖像、傳感器原始深度圖和真值深度圖，可直接用于深度估計與深度補全任務(wù)的訓(xùn)練和評估。數(shù)據(jù)集覆蓋 Orbbec 335、335L 以及 Intel RealSense D405、D415、D435、D455 共 6 款主流深度相機，有助于提升模型在不同設(shè)備和場景下的訓(xùn)練、適配與評估。

據(jù)介紹，螞蟻靈波此前開源的高精度空間感知模型 LingBot-Depth，正是以該數(shù)據(jù)集作為核心訓(xùn)練數(shù)據(jù)。相比業(yè)界主流方法 PromptDA 與 PriorDA，LingBot-Depth 在室內(nèi)場景中的深度預(yù)測誤差降低超過 70%，在稀疏深度補全等任務(wù)中的誤差降低約 47%。市售深度相機搭載該模型后，無需硬件升級，即可在透明玻璃、反光鏡面、逆光等復(fù)雜場景下輸出更完整、更平滑、邊緣更清晰的深度圖，且在部分場景中的表現(xiàn)超過業(yè)界頂級工業(yè)級深度相機。

對于高校、科研機構(gòu)而言，這次開源不僅有助于降低數(shù)據(jù)采集與標(biāo)注門檻，也有望加速相關(guān)技術(shù)從研究驗證走向真實應(yīng)用。隨著機器人和具身智能加快進入實際場景，大規(guī)模、高質(zhì)量、以真實采集為主體的空間感知數(shù)據(jù)集，無疑將成為行業(yè)持續(xù)進步的重要基礎(chǔ)設(shè)施。