这年头，AI 玩家们想找到合适的图像数据集，简直是越来越难了。不仅数据质量参差不齐，合适的数据类型也难找（如光流图、深度图等）。
为了解决这些问题，来自谷歌、MIT、DeepMind、MILA 和剑桥大学等 11 家机构的 34 名研究人员，联手打造了一个名叫 Kubric 的数据集生成器，不仅能自己渲染，而且图像效果也非常真实。
不仅各种图像数据都能做，像语义分割、深度图或光流图这种“特殊数据”都能一键生成：
还能控制渲染的真实度，渲染出的视频可以达到以假乱真的效果：
据作者们表示，目前 Kubric 支持 13 类 CV 任务的数据类型生成，效果也不比用已有数据集训练出来的差。这样的一个数据集生成器，到底要怎么上手？
可生成 13 类 CV 任务所需数据
先来看看这个 Kubric 数据集生成器究竟是个啥。简单来说，它有点像是一个专为图像 AI 打造的“数据车间”，基于跨平台开源物理引擎 PyBullet 和 3D 图像渲染软件 Blender 打造。
其中，PyBullet 给用户提供了一个模拟 3D 物体运动的平台，例如两个球之间的弹性碰撞参数就可以用它来模拟。（当然，除了 PyBullet 以外，也可以扩展到其他物理引擎如 MuJoCo 上）
Blender 则是一个渲染 3D 动画的平台，但它的优势在于操作方便，而且既可以做出照片级逼真的渲染图像，也可以输出 3D 动画效果。（例如有设计师拿它设计服装纹理）
可能这时候你会问，Kubric 相比自己手动渲染视频或图像数据集，方便在哪？一方面，Kubric 自带一系列预处理的基础图像数据库。除了 11 个基础 3D 模型以外：
还内置了 Google Scanned Objects（GSO）室内家具物品数据集中的一系列模型，以及包含背景、光照、材料纹理等参数的 Polyhaven 数据集，还有 ShapeNet 数据集等（包含 55 种常见的物品类型及 51300 个 3D 模型）。也就是说，如果你对渲染不太了解，也能利用内置的数据库快速生成想要的图像。
另一方面，Kubric 直接提供了从“渲染数据”到输出“AI 训练数据”的管道，省去了将渲染图像转成特殊数据（如深度图、光流图）、或是额外收集如视场、相机参数、光照等数据的麻烦。这也使得 Kubric 支持生成 13 类 CV 任务所需的图像数据，具体包括光流、NeRF、姿态估计、3D 重建等。
没错，即使这些生成的图像中有 2D 也有 3D 类型，需要的数据量也从 MB 到 TB 级别不等，但 Kubric 都能满足。嗯，作者们还专门针对各种视觉任务，用 Kubric 生成的数据集一个个试了试，强调“用他们生成的数据集效果更好”。
△Kubric 生成的光流图
那么，这样的数据集生成器究竟要怎么用呢？
自带 Python 接口
作者提供了一些简单的操作流程。在安装之后，第一步就是创建默认场景：
然后，再通过这两步，分别创建一块地板、和一个球体（也可以换成其他形状）：
接下来就是在场景中加一个照明，以及渲染摄像头采集图像：
导出文件后，就能获取一个 3D 球体的图像了：
△Blender 中的效果
如果需要深度图、灰度图等特殊图层的话，也是几行代码就能搞定：
比自己手动导出要更方便一些：
当然，如果还是感觉上手较难，作者也直接提供了示例代码，改改参数就能用：
在原基础上，再加 5 行代码就能直接运行出动态视频版：
看起来，做完数据集后，即使不懂渲染的也能成为半个行家了（doge）
目前新的一批内置数据集还在施工中，感兴趣的小伙伴可以先上手试玩~
项目地址：
https://github.com/google-research/kubric
论文地址：
https://arxiv.org/abs/2203.03570
参考链接：
https://twitter.com/taiyasaki/status/1501288630697877504