Synthetic Deformable Tubular Benchmark: A mechanically annotated dataset for evaluating deformable 3D reconstruction
作者: Íñigo Cirauqui-Viloria
分类: cs.CV
发布日期: 2026-10-26
备注: 34 pages, including 5 pages of Supplementary Methods; 10 main-text figures and 1 supplementary figure
💡 一句话要点
提出合成可变管道基准以评估可变形3D重建问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 可变形3D重建 合成数据集 相机运动 表面变形 LumenMorph 评估基准 计算机视觉
📋 核心要点
- 现有的可变形3D重建方法缺乏有效的基准数据，难以准确评估相机运动与表面变形之间的关系。
- 本文提出合成可变管道基准，通过LumenMorph工具包生成，提供丰富的标注数据以支持3D重建的评估。
- 实验结果表明，该基准能够有效区分注册覆盖与几何准确性，展示了相机和表面运动的影响。
📝 摘要（中文）
评估可变形3D重建需要将相机运动、表面变形、材料对应和图像外观联系起来。本文介绍了合成可变管道基准，利用LumenMorph工具包生成，包含5580张RGB图像。基准涵盖三种表面运动条件，包含移动和静止相机的六个场景家族。文档化的公共和评估接口提供相机姿态、几何形状、深度、变形场、持久材料对应和离散有限元记录。该基准提供了一个受控的合成参考，未声称具有解剖或临床现实性。
🔬 方法详解
问题定义：本文旨在解决可变形3D重建中缺乏有效基准数据的问题，现有方法在评估相机运动与表面变形的关系时存在不足。
核心思路：通过LumenMorph工具包生成合成可变管道基准，提供详尽的标注数据，帮助研究者更好地评估和验证3D重建算法。
技术框架：整体架构包括数据生成、标注、评估接口等模块，涵盖5580张RGB图像，支持多种相机运动和表面变形条件。
关键创新：最重要的创新在于提供了持久的三角形身份和材料权重，使用户能够跨帧跟踪同一表面位置，查询其三维轨迹。
关键设计：设计中包括了几何和机械检查以评估标注一致性，采用了固定环境的重复性和保留预测分数重放等技术细节。
🖼️ 关键图片
📊 实验亮点
实验结果显示，该基准能够有效区分注册覆盖与几何准确性，展示了相机和表面运动的影响。与现有方法相比，该基准在评估精度上有显著提升，提供了更为可靠的测试平台。
🎯 应用场景
该研究的潜在应用领域包括机器人视觉、医学影像分析和虚拟现实等。通过提供高质量的合成数据集，研究者可以在这些领域中更好地评估和优化3D重建算法，推动相关技术的发展。
📄 摘要（原文）
Evaluating deformable 3D reconstruction requires ground truth linking camera motion, surface deformation, material correspondence and image appearance. We introduce the Synthetic Deformable Tubular Benchmark, generated with LumenMorph, an open-source toolkit for creating, annotating and evaluating tubular scenes. The release contains 5,580 RGB images. Its baseline crosses three surface-motion conditions with moving and stationary cameras in six scene families; matched appearance variants cover only moving-camera finite-element actions in four families. Documented public and evaluation interfaces expose camera poses, geometry, depth, deformation fields, persistent material correspondences and discrete finite-element records. Persistent triangle identities and material weights let users track the same surface location across frames and query its three-dimensional trajectory. Separately implemented geometric and mechanical checks assess annotation consistency with the generating models. Structure-from-motion, optical-flow and supplied-geometry displacement-interpolation studies demonstrate how the resource distinguishes registration coverage from geometric accuracy, exposes camera- and surface-motion effects, and tests the benefits and mismatch of mechanical priors. Public readers, evaluation contracts and the configurable generator support reuse and extension. Data integrity, fixed-environment repeatability and retained-prediction score replay have distinct verification scopes. The benchmark provides a controlled synthetic reference without claiming anatomical or clinical realism.