ACID数据集介绍与下载

下载链接

网盘下载：迅雷网盘

官网下载：

• 标准版（ACID v1 release）：https://storage.googleapis.com/gresearch/aerial-coastline-imagery-dataset/acid_v1_release.tar.gz
• 大规模版（ACID large v1 release）：https://storage.googleapis.com/gresearch/aerial-coastline-imagery-dataset/acid_large_v1_release.tar.gz

---

什么是ACID数据集

ACID（Aerial Coastline Imagery Dataset，空中海岸线图像数据集）是由 Google Research 团队构建并发布的一个自然场景视频数据集，最初是为论文 Infinite Nature: Perpetual View Generation of Natural Scenes from a Single Image（ICCV 2021，作者 Andrew Liu、Richard Tucker、Varun Jampani、Ameesh Makadia、Noah Snavely、Angjoo Kanazawa）而收集整理的。该论文提出了一种可以从单张图像出发、持续生成自然场景新视角的方法，ACID 数据集正是为训练和评估这类"感知视角生成（Perpetual View Generation）"模型而设计的。

数据集特点

• 数据来源：数据集收集了数千段来自 YouTube 的空中无人机视频，内容以海岸线及各类自然景观为主，包括海岸、悬崖、山脉、森林等自然场景。
• 相机参数：对每段视频运行了运动恢复结构（Structure-from-Motion, SfM）算法，计算出每一帧对应的三维相机位姿（pose）与内参（intrinsics），并统一到全局一致的坐标系统中。
• 数据格式：ACID 采用与 RealEstate10K 数据集相同的组织格式，方便熟悉该格式的研究者直接复用已有的数据加载与处理流程。
• 训练/测试划分：数据集划分为训练集与测试集两部分；测试集在采样时进一步做了运动方式的约束，只保留了轨迹保持在首帧前方90°锥形范围内的"前向运动"序列，以便与已有的视角合成方法在同一设定下公平比较。

主要用途

ACID 数据集主要面向以下研究方向：

• 新视角合成（Novel View Synthesis）：利用多帧图像及其相机参数，训练模型从新的视角"重建"或"想象"场景。
• 感知式场景生成（Perpetual View Generation）：如 Infinite Nature 论文所展示的，从单张自然场景图像出发，持续生成沿相机运动轨迹的新画面，模拟"无限延伸"的自然景观漫游体验。
• 三维场景理解：借助大规模真实世界的相机位姿数据，研究三维几何、深度估计等相关任务。

关于两个下载版本

官网提供了两个压缩包：

• acid_v1_release.tar.gz：标准版本，文件体积约 556MB。
• acid_large_v1_release.tar.gz：大规模扩展版本，文件体积约 445MB，体积反而略小于标准版，具体差异建议以官方 README 说明为准。

为什么这两个压缩包只有几百兆？

这是因为 ACID 数据集本身并不包含实际的图像/视频画面，而是采用与 RealEstate10K 相同的"元数据"分发方式，压缩包里主要是<cite index="11-1">一组空中无人机视频的 YouTube ID，以及通过运动恢复结构（Structure-from-Motion）计算出的每一帧三维相机参数</cite>，也就是每个视频对应的文本标注文件（记录时间戳、相机内外参等），而非视频帧图像本身。

因此下载下来的压缩包体积很小，真正的图像数据需要用户根据视频 ID 自行从 YouTube 下载对应视频，再按照标注文件中的时间戳截取对应帧，才能得到完整可用的训练图像。这也是 RealEstate10K 系列数据集（包括 ACID）的通用发布方式，主要出于版权与存储成本的考虑——Google 无法直接分发他人上传到 YouTube 的视频内容，只能提供索引和相机参数，由使用者自行获取原始视频画面。

下载前建议确认自己的存储空间和网络条件，同时留意后续还需要额外脚本或工具从 YouTube 抓取原始视频帧，实际数据准备的耗时和存储需求会远大于压缩包本身的体积。

引用信息

如在论文或项目中使用该数据集，建议引用原始论文：

Andrew Liu, Richard Tucker, Varun Jampani, Ameesh Makadia, Noah Snavely, Angjoo Kanazawa. Infinite Nature: Perpetual View Generation of Natural Scenes from a Single Image. ICCV 2021.

使用须知

该数据集基于公开的 YouTube 视频构建，使用时请遵守相关版权与使用条款，仅用于学术研究等合规用途，不建议用于商业用途或侵犯原视频作者权益的场景。