外观
Skip to content
概述
这套数据集的采集方式、多模态结构、存储格式与适用任务。
该数据集仓库发布了与 Multi-View 3D Point Tracking 工作配套的训练和评测数据，用于基准测试多视角 3D 点跟踪。相关方法面向动态场景中的任意点跟踪，使用多个相机视角、已知相机位姿，以及传感器获取或估计的多视角深度来预测 3D 对应关系。
仓库提供三个预处理数据集：MV-Kubric 是从单视角 Kubric 改造成多视角设置的合成训练集；Panoptic Studio 用于真实世界活动评测，包括 basketball、juggling 和 toy play，共 10 个序列；DexYCB 用于真实世界手-物交互评测，共 10 个序列。数据解压后约 72 GB。
这些数据用于 MVTracker 模型，可在满足 GitHub 仓库中描述的最小依赖后通过 PyTorch Hub 直接尝试。许可和使用条款需参考这些预处理版本所来源的原始数据集。
关键规格与模态
数据规模、传感器模态、标注层级、存储格式及 Hugging Face Hub 下载热度。
- 采集方式
- 遥操作
- 开源协议
- other
- 传感器模态
- 视频图像状态观测
- 标注粒度
- 动作轨迹状态观测
- 存储格式
- Parquet
暂未公开或待收录：总时长 · 演示轨迹数 (Episodes)
数据下载与加载代码
通过 Hugging Face CLI 或 LeRobot Dataset API 直接读取帧序列与动作标签。
# 使用 Hugging Face CLI 下载数据集
huggingface-cli download ethz-vlg/mv3dpt-datasets --repo-type dataset --local-dir ./data/ethz-vlg-mv3dpt-datasets
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("ethz-vlg/mv3dpt-datasets")
print(f"Episodes: {dataset.num_episodes}, Frames: {dataset.num_frames}")关联采集机型与策略模型
采集或适配该数据集的机器人本体，以及可在其上训练/评估的 VLA 与控制策略模型。
尚未收录关联机型或引用它的模型。
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face datasets ethz-vlg/mv3dpt-datasets访问 2026-10-27