本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

這年頭，AI玩家們想找到合適的圖像數據集，簡直是越來越難了。

不僅數據質量參差不齊，合適的數據類型也難找（如光流圖、深度圖等）。

為了解決這些問題，來自谷歌、MIT、DeepMind、MILA和劍橋大學等11家機構的34名研究人員，聯手打造了一個名叫Kubric的數據集生成器，不僅能自己渲染，而且圖像效果也非常真實。

不僅各種圖像數據都能做，像語義分割、深度圖或光流圖這種“特殊數據”都能一鍵生成：

還能控制渲染的真實度，渲染出的視頻可以達到以假亂真的效果：

據作者們表示，目前Kubric支持13類CV任務的數據類型生成，效果也不比用已有數據集訓練出來的差。

這樣的一個數據集生成器，到底要怎么上手？

可生成13類CV任務所需數據

先來看看這個Kubric數據集生成器究竟是個啥。

簡單來說，它有點像是一個專為圖像AI打造的“數據車間”，基于跨平臺開源物理引擎PyBullet和3D圖像渲染軟件Blender打造。

其中，PyBullet給用戶提供了一個模擬3D物體運動的平臺，例如兩個球之間的彈性碰撞參數就可以用它來模擬。（當然，除了PyBullet以外，也可以擴展到其他物理引擎如MuJoCo上）

Blender則是一個渲染3D動畫的平臺，但它的優勢在于操作方便，而且既可以做出照片級逼真的渲染圖像，也可以輸出3D動畫效果。（例如有設計師拿它設計服裝紋理）

可能這時候你會問，Kubric相比自己手動渲染視頻或圖像數據集，方便在哪？

一方面，Kubric自帶一系列預處理的基礎圖像數據庫。

除了11個基礎3D模型以外：

還內置了Google Scanned Objects（GSO）室內家具物品數據集中的一系列模型，以及包含背景、光照、材料紋理等參數的Polyhaven數據集，還有ShapeNet數據集等（包含55種常見的物品類型及51300個3D模型）。

也就是說，如果你對渲染不太了解，也能利用內置的數據庫快速生成想要的圖像。

另一方面，Kubric直接提供了從“渲染數據”到輸出“AI訓練數據”的管道，省去了將渲染圖像轉成特殊數據（如深度圖、光流圖）、或是額外收集如視場、相機參數、光照等數據的麻煩。

這也使得Kubric支持生成13類CV任務所需的圖像數據，具體包括光流、NeRF、姿態估計、3D重建等。

沒錯，即使這些生成的圖像中有2D也有3D類型，需要的數據量也從MB到TB級別不等，但Kubric都能滿足。

嗯，作者們還專門針對各種視覺任務，用Kubric生成的數據集一個個試了試，強調“用他們生成的數據集效果更好”。

△Kubric生成的光流圖

那么，這樣的數據集生成器究竟要怎么用呢？

自帶Python接口

作者提供了一些簡單的操作流程。

在安裝之后，第一步就是創建默認場景：

然后，再通過這兩步，分別創建一塊地板、和一個球體（也可以換成其他形狀）：

接下來就是在場景中加一個照明，以及渲染攝像頭采集圖像：

導出文件后，就能獲取一個3D球體的圖像了：

△Blender中的效果

如果需要深度圖、灰度圖等特殊圖層的話，也是幾行代碼就能搞定：

比自己手動導出要更方便一些：

當然，如果還是感覺上手較難，作者也直接提供了示例代碼，改改參數就能用：

在原基礎上，再加5行代碼就能直接運行出動態視頻版：

看起來，做完數據集后，即使不懂渲染的也能成為半個行家了（doge）

目前新的一批內置數據集還在施工中，感興趣的小伙伴可以先上手試玩~

項目地址：

??https://github.com/google-research/kubric??

論文地址：

??https://arxiv.org/abs/2203.03570??