Pano 3drecon

本文档为全景相机做三维重建/四维重建的相关论文整理。
范围：约 2023–2026，CVPR / ICCV / ECCV / AAAI / NeurIPS / ICLR / ICRA / 3DV / TPAMI / ICML / IROS（及紧密相关的 RA-L）+ arXiv 2025–2026。
重点：动态场景 / 4D；其次为静态新视角合成、深度/立体、SLAM、feed-forward 几何基础模型。

总览判断
- 真·全景动态重建（从真实 360 视频重建可漫游 4D）仍极少：观测驱动代表仍是 OmniLocalRF (CVPR’24)（去动态）；生成式有 4K4DGen / HoloTime / TiP4GEN；4DGS360 (arXiv’26) 是透视视频上的“360° 物体环视 4D”，输入不是 ERP 全景相机。
- 2026 年主线转向 feed-forward 全景几何：PanoVGGT / VGGT-360 / Depth Any Panoramas / CylinderSplat / ODGS-SLAM / PFGS360；数据侧 Holo360D (ECCV’26)、PanoCity、AirSim360、ORBIT 明显补强。
- 透视域 4D（4D-GS、MonST3R 等）很热，但多数未原生支持 ERP/鱼眼；全景 4D 多走“生成视频 + lift”而非观测驱动重建。

一、动态场景 / 四维（优先）

1.1 观测驱动：全景视频 → 场景重建（含动态处理）

• OmniLocalRF — CVPR 2024
  输入 casual 360° 动态视频；LocalRF + 全景双向射线优化；多分辨率 neural feature planes 预测 motion mask，去除并 inpaint 动态物体（含拍摄者），输出静态可漫游场景；可联合估 pose。长视频、大视角遮挡是核心难点。
  code

• Scene4U — CVPR 2025
  单张全景 → 开放词表分割 + LLM 分层 → diffusion 分层修复遮挡 → 分层 3DGS。强调去掉前景/动态层、全局纹理一致、可自由漫游。偏“去动态后的沉浸式静态场景”，非时空 4D 跟踪。

1.2 生成式：全景 → 4D（动画 + lifting，非真实动态观测重建）

• 4K4DGen — ICLR 2025
  单张全景 → Panoramic Denoiser 生成 360° 动态视频 → Dynamic Panoramic Lifting 到 4D Gaussians；首次宣称 4K（4096×2048）全景 4D。任务是 Panorama-to-4D generation。

• HoloTime — arXiv 2025（跟进类）
  360World 数据集 + Panoramic Animator（图生视频）+ 时空深度对齐 + 4D-GS。同属生成式全景 4D。

• TiP4GEN — arXiv 2025
  Text → 动态全景 4D：双分支（全景+透视）视频生成 + 度量深度对齐的 3DGS 重建。

1.3 环视/全向动态（注意：多为透视输入，非 ERP 相机）

• 4DGS360 — arXiv 2026（2603.21618）
  单目透视视频 → 物体完整 360° 环视 4D GS；AnchorTAP3D（2D track 锚定 3D 轨迹）缓解遮挡区深度歧义；新基准 iPhone360（测试视角与训练差可达 135°）。不是全景相机输入，但对“大视角动态几何”有参考价值。

1.4 空白与可做方向（结合本仓库兴趣）

方向	现状
真实 360 视频上的 dense 4D + correspondence	几乎空；透视域有 St4RTrack / CUT3R / Flow4R
全景 feed-forward 动态几何（类 MonST3R/POMATO 的 ERP 版）	2026 仍未见顶会成熟方案；PanoVGGT / CylinderSplat 偏静态
驾驶/室内全景动态 + metric scale	Helvipad、Holo360D、PanoCity 补数据，但动态标注仍弱

相关透视动态工作见 4drecon_tracking.md，可迁移球形 PE / ERP 光栅化。

〇、2026 会议 + 2025–2026 arXiv（补遗，优先读）

0.1 CVPR 2026（全景 3D/深度/SLAM 相关）

• PanoVGGT — CVPR 2026
  无序多张 ERP → 单次前向联合预测 pose / depth / 点云；球感 PE + SO(3) 三轴旋转增强 + stochastic anchoring；发布 PanoCity。见下文第五节详细笔记。

• VGGT-360 — CVPR 2026
  训练无关全景深度：不确定度引导自适应切透视片 → VGGT 多视图 3D → correlation-weighted 校正 → 反投影回 ERP。见第五节。

• Depth Any Panoramas (DAP) — CVPR 2026
  全景 metric depth 基础模型；DINOv3-Large；range mask head + 几何一致性优化；大规模伪标签管线；评测 Stanford2D3D / Matterport3D / Deep360 等。Insta360 Research。
  project

• PFGS360 — CVPR 2026
  无 pose 全景视频 → omnidirectional 3DGS；球一致 2D–3D 对应估位姿 + depth-inlier densification。
  code

• ODGS-SLAM — CVPR 2026
  首个以 omnidirectional 3DGS 统一跟踪+建图的全景 SLAM（RGB/RGBD）；ERP 投影闭式梯度；图分析删关键帧降内存；自建室内外评测集。
  code

• ORBIT — CVPR 2026
  野外 360° 视频 SfM 基准（Google/相关团队）；评测 wild 条件下结构恢复。

• Pano3DComposer — CVPR 2026
  单张全景 → 组合式 3D 场景生成；Alignment-VGGT 预测物体→世界变换；~20s/场景。

• Pantheon360 — CVPR 2026
  稀疏 360 输入 → 显式 3D Cache（π3/VGGT）条件化 360 视频扩散，做数字孪生/可控轨迹；偏生成，几何 scaffold 可参考。

• AirSim360 — CVPR 2026
  无人机视角全景仿真平台（深度/几何标注友好，常与 DAP 等配合）。

• Pano360 — CVPR 2026
  多张透视 → 几何一致全景拼接；VGGT 式 3D 对齐；新真实大规模全景数据集。

0.2 ECCV / ICLR / IROS 2025–2026

• Holo360D — ECCV 2026
  真实大规模连续轨迹全景 3D 数据集：109,495 张全景 + LiDAR mesh/点云/深度/位姿；室内外；用于微调 Pi3 等 feed-forward。
  HF · code

• CylinderSplat — ICLR 2026
  圆柱 Triplane + 双分支（像素重建 / 体积补全）feed-forward 全景 3DGS；可变视角数（单张→多张）；相对 Splatter-360 / PanSplat 更强遮挡补全。
  code

• DFI-OmniStereo — IROS 2025
  预训练相对深度基础模型注入迭代式 OSM；Helvipad 上 disparity MAE 约降 16%。

0.3 arXiv 2025–2026（尚未确认会议或预印）

工作	时间	要点
TPGS / Transition Plane	2025.04	cubemap 面间加 Transition Plane；intra→inter face 优化；单张/多张全景 3DGS
360-GeoGS	2026.01	feed-forward 360 3DGS + Depth-Normal 正则，强化几何一致性
Spherical-GOF	2026.03	单位球上 ray-Gaussian（GOF）；深度重投影误差大降，利于 mesh
Underwater360	2026.05	水下全景物理介质建模 + 球空间 omni-GS；新水下 360 基准
FastPano3D	2026.06	单张室内全景秒级 feed-forward GS；宣称相对 Pano2Room ~156×
HALO-SLAM	2026.08	冻结全景几何基础模型读重力 + attention 回环；多真实全景基准 ATE 优
PanoWorld	2026.05	整屋 VR tour：楼层平面 + 全景 LRM → 渐进 3DGS 缓存（生成向）

ICCV / AAAI / NeurIPS / ICML / ICRA / 3DV 2026：截至整理时，除 CVPR’26 / ECCV’26 / ICLR’26 / IROS’25 外，其余 2026 届次上“全景相机原生 3D/4D”公开清单仍稀疏；ICCV’25 已有 Seam360GS、MDP-Omni（见后文）；后续可继续扫 openaccess / OpenReview。

二、静态 / 慢动场景三维重建与新视角合成

2.1 NeRF 系（全景 / 球坐标）

• EgoNeRF（Balanced Spherical Grid for Egocentric View Synthesis）— CVPR 2023
  短时 egocentric 360 视频；平衡球网格 + 指数径向划分 + 无穷远环境图；适配无界第一人称场景。数据集：OmniBlender / Ricoh360。

• PanoGRF — NeurIPS 2023
  宽基线全景可泛化球形 radiance field；球投影聚合几何/外观；360° 单目深度先验引导 MVS cost volume。对比 OmniSyn / IBRNet / NeuRay。

• Pano-NeRF — AAAI 2024
  稀疏 LDR 全景 → irradiance fields：几何恢复 + HDR 新视角；副产品：空间变化光照估计。

• PERF — TPAMI 2024
  单张全景 → collaborative RGBD inpainting + progressive inpainting-and-erasing → panoramic NeRF，支持复杂场景 3D roaming。

• 360FusionNeRF — IROS 2023
  单张 360 RGB-D；几何监督 + CLIP 语义一致性；Structured3D / Matterport3D / Replica360。

• OmniSDF — CVPR 2024
  小圆轨迹全景视频 → 球 binoctree 上的 SDF；小基线、大深度范围；自适应细分。

2.2 3D Gaussian Splatting 系（全景光栅化 / 可泛化）

• ODGS — NeurIPS 2024
  全景专用光栅化：高斯投到单位球切平面再映到 ERP；CUDA；相对 NeRF 约 100× 加速。多数据集（OmniBlender、Ricoh360、OmniPhotos、360Roam 等）。

• SC-OmniGS — ICLR 2025
  自标定全景 3DGS：联合优化 Gaussian、球相机外参、可微畸变模型；宽基线 / 无 pose prior 可用；利于下游全景 GS-SLAM。

• OmniGS — WACV 2025（相关）
  球相机模型导数 → 直接 ERP 可微 splatting，无需 cubemap / 切平面近似。

• 360-GS — 3DV 2025
  Layout-guided 室内漫游全景 GS；依赖房间布局先验，室外泛化受限。

• Splatter-360 — CVPR 2025
  宽基线全景 可泛化 3DGS；球域 cost volume（spherical sweep）+ bi-projection（ERP+cubemap）encoder；HM3D / Replica。强于 PanoGRF / MVSplat 等。

• OmniSplat — CVPR 2025
  训练无关 feed-forward：Yin-Yang 网格拆球，复用透视域 feed-forward 3DGS prior；Yin-Yang rasterizer 减轻极区伪影。

• PanSplat — CVPR 2025
  宽基线全景 → feed-forward GS，目标 4K 新视角；解决极区高斯冗余与高分显存。

• Seam360GS — ICCV 2025
  真实双鱼眼：联合标定镜头间隙与角畸变 + 3DGS，无缝 360° 渲染。

• Omni3D — NeurIPS 2025
  单张图 omnidirectional 重建：diffusion 新视角 + MASt3R 几何先验，Pose-View Optimization 迭代校正，再 3DGS。偏“全向渲染能力”，输入未必是 ERP。

三、深度 / 立体 / 几何感知

3.1 单目 360° 深度

• HRDFuse — CVPR 2023
  ERP 全局上下文 + 切平面局部结构；SFA + 协同深度分布分类。

3.2 多鱼眼 / Omnidirectional Stereo Matching (OSM)

• OmniVidar — CVPR 2023
  四鱼眼 → 极线校正成双目问题；无 3D CNN，高分辨率更快。

• RomniStereo — RA-L 2024（ICRA 相关轨）
  RAFT 式迭代更新移植到 OSM；opposite adaptive weighting + spherical sweeping；四正交鱼眼 → 虚拟参考视点全景深度。

• MDP-Omni — ICCV 2025
  无参多峰深度先验采样，改善边界过平滑；方位角多视角 volume fusion。

• DFI-OmniStereo — IROS 2025
  相对深度基础模型特征 → 迭代 OSM；Helvipad SOTA。

• Helvipad — CVPR 2025
  真实 OSM 数据集：上下双 360° + LiDAR，约 40K 帧，室内外拥挤场景；配套 360-IGEV 等基准。

3.3 深度 + 新视角联合

• MSI-NeRF — WACV 2025（相关）
  四鱼眼 → multi-sphere image cost volume + NeRF；同时做 omni-depth 与 6DoF 合成；可用已有全景深度集训练。

四、SLAM / VO / 稠密建图（全景）

• Omnidirectional Dense SLAM for Back-to-back Fisheye Cameras — ICRA 2024
  背靠背双鱼眼 VI-SLAM；轻量全景深度补全（multi-basis）+ 传统优化提高全局深度一致性；可跑移动端 demo。

• 360ORB-SLAM — 2024（arxiv / 期刊类，常被全景 SLAM 引用）
  全景三角化 + 深度补全网络 → 稠密深度进 ORB-SLAM 管线，缓解尺度漂移；自建驾驶全景数据。

• LF-VIO / LF-VISLAM、PAL-SLAM2 等（大 FoV / 负半平面特征）— 偏机器人期刊（如 T-ASE），做全景前端时可参考。

• 近期 arXiv：HALO-SLAM（冻结全景几何基础模型做重力/回环）— 未计入正式顶会列表，可跟踪。

五、Feed-forward 几何基础模型（全景版）

• PanoVGGT — CVPR 2026

  全景相机版本 VGGT，上海科大。静态场景，离线。

  构造了新的数据集 PanoCity: 超过 120000 张带位姿和深度标注的全景图。虚拟数据集、室外场景、主要静态场景、不同天气条件。

  方法：

  1. DINOv2 编码。和 VGGT 类似的交替注意力模块。

  2. 从标准的 2D 网格编码改为球感位置编码 (Spherical-aware PE)

  3. 数据增强改用了 SO(3) 旋转增强，并随机定 target frame（stochastic anchoring）。

  8 张 A100 训练 10 天。用的数据集：PanoCity、Matterport3D、Stanford2D3D 和 Structured3D。
  code · weights

• VGGT-360 — CVPR 2026

  训练无关零样本全景深度：不确定度引导切透视片 → VGGT 多视图重建 → structure-saliency attention → correlation-weighted 3D 校正 → 全景反投影。
  code

• Depth Any Panoramas — CVPR 2026
  监督式全景 metric depth 基础模型（与 VGGT-360 路线互补：训大模型 vs 训无关）。

六、按会议速查（2023–2026，不完全表）

会议	代表工作
CVPR’23	EgoNeRF；HRDFuse；OmniVidar
CVPR’24	OmniLocalRF（动态）；OmniSDF
CVPR’25	Scene4U；Splatter-360；OmniSplat；PanSplat；Helvipad
CVPR’26	PanoVGGT；VGGT-360；DAP；PFGS360；ODGS-SLAM；ORBIT；Pano3DComposer；Pantheon360；AirSim360
ICCV’25	Seam360GS；MDP-Omni
ECCV’26	Holo360D（数据集+基准）
ECCV’24–25	核心全景 3D/4D 仍偏少
NeurIPS’23	PanoGRF
NeurIPS’24	ODGS
NeurIPS’25	Omni3D
ICLR’25	SC-OmniGS；4K4DGen（全景 4D 生成）
ICLR’26	CylinderSplat
AAAI’24	Pano-NeRF
TPAMI’24	PERF
ICRA’24	Omnidirectional Dense SLAM（双鱼眼）
IROS’23	360FusionNeRF
IROS’25	DFI-OmniStereo
3DV’25	360-GS
RA-L’24	RomniStereo
ICML	近三年几乎未见“全景相机原生 3D/4D”主力论文
arXiv’25–26	TPGS；360-GeoGS；Spherical-GOF；4DGS360；Underwater360；FastPano3D；HALO-SLAM；TiP4GEN；HoloTime

说明：AAAI / NeurIPS / ICML / ICRA / 3DV 2026 届次上，公开可确认的“全景相机原生 3D/4D”仍少；持续扫 OpenReview / openaccess。

七、全景（ERP）数据集整理

范围：近几年常用 / 新发布的 ERP 全景数据集（含“鱼眼→ERP 参考全景”的 OSM 数据）。
维度：静态/动态、合成/真实、深度真值、相机位姿。
符号：✓ 有官方/可靠 GT；△ 部分/弱（仅位置、仅立体外参、SfM 伪 GT、稀疏投影等）；✗ 无或未发布。
动态分两类：① 相机运动（连续轨迹 VO/SLAM）；② 场景动态（行人/车/活动物体）。二者可同时存在。

7.0 优先：动态场景 + 相机轨迹位姿（新补，2026-08）

「场景动态 + 真值轨迹位姿 + dense depth」的真实 ERP 数据仍然极稀缺。多数是：合成真值全 / 真实仅 SfM 伪位姿 / 有深度但无轨迹 / 有轨迹但场景偏静。

数据集	相机运动	场景动态	合成/真实	深度 GT	轨迹位姿	规模/要点	链接
pano_point_odyssey	✓	✓ 物体/人	合成	✓	✓	本仓库；PointOdyssey 管线全景版	research_diary
TartanAir V2（Panorama）	✓ 挑战轨	△ 环境可动	合成	✓	✓ 精确	可渲染 ERP+depth+pose；COLMAP 有 5k 全景 SfM 子集	tartanair.org · SfM bench
360VO（合成）	✓	△ 城市场景	合成	△ 可渲染	✓ dense	ICRA’22；10 序列×~2k 帧；1920×960；人/车/UAV 运动风格	page
Omni360-Human（AirSim360）	✓	✓ 行人 NPC	合成	✓（平台可出）	✓ 相机 6-DoF	~10 万帧；行人 3D keypoints；CVPR’26	AirSim360
OmniHorizon	✓ 路径	✓ 行人/车/光照	合成	✓ depth+normal	△ 路径渲染位姿	2.4 万户外 top-bottom 立体 ERP	site
H-OmniStereo	✓	✓	合成	✓（宣称）	△ rig/轨迹	双全景；暂未开源	GitHub
OmniLocalRF-Synth	✓	✓ 漂浮动态物	合成	✗/弱	✓（评 ATE）	3 条合成 360 视频；配合方法估位姿	OmniLocalRF
360DVO Dataset	✓	✓ Hard 子集含遮挡/拥挤	真实	✗	△ Metashape 伪 GT	RA-L’26；20 序列×~1k；3840×1920；Easy/Hard	360dvo
Helvipad	✓ 视频序列	✓ 人群/交通	真实	✓ LiDAR→ERP	△ 立体外参✓，绝对轨迹弱/未作主 GT	~4 万帧；上下双 Theta	site
PanoHK360	✓ 驾驶连续轨	△ 城市场景	真实	✓ LiDAR	✓ 6-DoF	8K ERP；港城；Ladybug+LiDAR	HF
OmniLocalRF-Real	✓ casual	✓ 行人/拍摄者	真实	✗	✗（方法自估）	6 户外 Insta360 场景；无官方轨迹 GT	同上 OmniLocalRF
360+x	✗/弱（多固定机位）	✓ 活动	真实	✗	✗	动作标签丰富；无几何	site
360VOT / 360VOTS	△	✓ 目标跟踪	真实	✗	✗	目标框/FoV；非 3D 几何集	360VOT
ORBIT	✓	△	真实	✗	△ SfM 评测	CVPR’26；野外 360 视频 SfM	CVPR’26
PanoGeo（PanoWorld）	✓ 视频	△	真+合混合	△ 伪深度管线	△ 轨迹（光流补偿）	自采 4K + 公开全景 + Habitat；生成向	arXiv

相机运动为主、场景偏静，但轨迹+深度齐全（常被当「动态相机」训练用）：

数据集	合成/真实	深度	轨迹位姿	备注
Matrix-Pano	合成	✓	✓	116k 静态场景全景视频 + 探索轨迹；UE5；生成/重建
Holo360D	真实	✓	✓	连续扫；场景基本静；当前最大真实 ERP+depth+pose
PanoCity	合成	✓	✓	城市连续轨；静态为主
AirSim360 Omni360-Scene / WayPoint	合成	✓	✓	航拍 ERP；WayPoint 给物理一致 UAV 轨迹
CM-EVS	合+真资产渲染	✓ range depth	✓	稀疏覆盖 ERP（非稠密视频）；Blender/HM3D/ScanNet++/TartanGround/OB3D
360Loc	真实	✓（mesh 射线）	✓ 6-DoF	CVPR’24 定位；LiDAR+360 建图；多场景序列

7.1 总表（静态+动态合集，含既有条目）

数据集	年份/出处	静/动	合成/真实	深度 GT	位姿 GT	规模/场景要点	链接
Holo360D	ECCV 2026	静（连续扫）	真实	✓ LiDAR mesh/点云深度	✓ 6-DoF	~10.9 万 ERP；75 场景；室内+室外；连续轨迹	HF
PanoCity	CVPR 2026	静（连续轨）	合成	✓ dense	✓ 6-DoF（pinhole+pano）	~12.0 万 ERP；京/济/甬城市场景	HF
Matrix-Pano	2025 Matrix-3D	静景+相机运动视频	合成	✓	✓ 轨迹	116k 全景视频序列；1024×2048；文本	site
TartanAir V2 Panorama	AirLab	相机挑战运动	合成	✓	✓	可 ERP；SfM bench 5k/100 scenes	tartanair.org
AirSim360 / Omni360-X	CVPR 2026	静景 / Human 动态 / 轨迹	合成	✓	✓	Scene~61k；Human~100k；WayPoint>100k	site
CM-EVS	arXiv 2026	静（稀疏多视）	合为主	✓	✓	36k+ 室内 curated ERP；户外 schema 兼容	GitHub
Helvipad	CVPR 2025	动（人群/交通）	真实	✓ LiDAR→ERP（+补全）	△ 立体外参✓，绝对轨迹弱	~4 万帧；上下双 Theta	site
PanoHK360	2025–26 HF	驾驶连续轨	真实	✓ LiDAR metric	✓ 6-DoF	8K ERP；港城	HF
360DVO Dataset	RA-L 2026	动（相机+Hard 场景）	真实	✗	△ SfM 伪 GT	20×~1k；3840×1920	360dvo
360Loc	CVPR 2024	序列定位	真实	✓	✓	跨设备 query；LiDAR+360	page
360VO（合成）	ICRA 2022	相机运动	合成	△	✓	10 城市场景序列	page
Matterport3D（ERP）	2017	静	真实	✓（完整度有限）	✓	~1.08 万；离散站位	site
Stanford 2D-3D-S	2017	静	真实	✓	✓	~1.3k ERP；室内	GitHub
Structured3D	ECCV 2020	静	合成	✓	△ 多仅 camera_xyz	3.5k 户型	GitHub
Pano3D（GibsonV2）	OmniCV@CVPR21	静	合成（扫描渲染）	✓	△/✓	深度 benchmark	site
OmniBlender	CVPR 2023	静（小圆轨）	合成	✓	✓	EgoNeRF；11 场景	data
Ricoh360	CVPR 2023	静（小圆轨）	真实	✗	△ SfM	Theta V	同上
OmniPhotos	SA 2020	静（圆轨）	真实	△ proxy mesh	△ SfM	Insta360	Bath
Deep360	ECCV 2022	静/慢动	合成	✓ depth+disp	△/✓	多视 OSM；污损版	MODE
OmniHorizon	2022–23	含动态元素	合成	✓	△	2.4 万户外	site
OmniStereo 系	ICCV/ICRA	静～慢动	合成	✓	△ rig 外参	四鱼眼+ERP depth	SNU
360Roam	—	静	真实	✗	△ SfM	分发受限	page
OmniScenes	PICCOLO	静/变化	真实	△ 点云	✓	室内定位；场景变化	PICCOLO
360+x	CVPR 2024	动（活动）	真实	✗	✗	无 3D GT	site
ORBIT	CVPR 2026	动（相机）	真实	✗	△ SfM	野外 SfM	CVPR’26
OmniLocalRF（配套）	CVPR 2024	动视频	真+合	✗	合✓ / 真✗	NVS 去动态	code
SUN360	2012	静	真实	✗	✗	无几何	Princeton
H-OmniStereo	—	动	合成	✓（宣称）	△	未开源	GitHub
pano_point_odyssey	自研	动	合成	✓	✓	训练用	research_diary
Panorama_498	社区	静为主	混合	△	△	标注不统一	GitHub
360VOT(S)	—	动（目标）	真实	✗	✗	跟踪框，非几何	360VOT

非原生 ERP / 弱相关（对比用）：
- KITTI-360：驾驶动、pose+LiDAR；透视+鱼眼，非标准拼接 ERP。
- TartanGround：六向立体覆盖 360°，原生多 pinhole，可拼 ERP；pose+depth✓。
- PALVIO：环带 PAL（非完整球面 ERP）+ mocap 位姿。
- iPhone360：透视环视动态，非 ERP。

7.2 按维度速查

同时 depth ✓ + 轨迹 pose ✓（重建/训练首选）
Holo360D，PanoCity，Matrix-Pano，TartanAir V2 Pano，AirSim360（Scene/Human），PanoHK360，360Loc，CM-EVS，OmniBlender，Deep360（多视），pano_point_odyssey，360VO（合成，depth 视导出）。

动态（场景）+ 轨迹 pose（稀缺）
- 合成真值全：pano_point_odyssey，Omni360-Human，OmniHorizon，OmniLocalRF-Synth，H-OmniStereo（未开源）。
- 真实：360DVO（伪位姿、无 depth），Helvipad（有 depth、绝对轨迹弱），PanoHK360（驾驶，场景动态有限）。

有 depth、位姿弱/仅标定
Helvipad，Structured3D（xyz），OmniStereo 系，Pano3D。

有轨迹 pose、无 dense depth
360DVO（伪 GT），Ricoh360，OmniPhotos，360Roam，ORBIT，OmniLocalRF-Real。

连续轨迹
Holo360D，PanoCity，Matrix-Pano，PanoHK360，360VO，360DVO，TartanAir V2，AirSim360，Helvipad，ORBIT；Matterport3D / Stanford / CM-EVS 偏离散/稀疏站位。

7.3 简注（常用集 + 本次新增）

• Holo360D / PanoCity / Matrix-Pano / TartanAir V2 Pano：轨迹+深度齐全；前三者场景偏静，TartanAir/360VO 更适合「相机大幅运动」。
• 360DVO：目前较完整的真实 360 VO 基准（含 Hard 动态遮挡），但位姿是 SfM 伪 GT、无 depth——适合评 VO，不适合有监督几何。
• Helvipad：真实 OSM + 场景动态 + LiDAR depth；缺的是官方绝对轨迹。
• Omni360-Human：合成「场景动态 + 相机位姿」少见组合；行人 keypoints 利于 4D。
• pano_point_odyssey：本仓库动态全景几何主训练源。
• 360+x / 360VOT：动态真实视频丰富，无 depth/pose，不能直接当几何监督。
• 实验区曾写「360VO 真实」——原版 360VO 合成集是合成；真实对应看 360DVO Dataset。

八、方法方案

实验

训练数据集

• PanoCity
• Matterport3D
• Stanford2D3DS
• PanoPointOdyssey, 自造，合成，动态，深度+位姿gt
• 360DVO Dataset, 真实，动态（Hard），位姿△ SfM 伪 GT，无 depth
• helvipad, 真实，动态，深度gt，绝对轨迹弱
• OmniStereo, urban和things子集，合成，动态，深度gt
• 360+x, 真实，动态，相机不动，没有深度gt
• AirSim360——Omni360_Scene, 室外，合成，静止，深度+位姿gt
• TartanAir V2 Pano（可选）, 合成，挑战轨迹，深度+位姿gt。https://github.com/colmap/colmap/releases/tag/datasets-tartanair-v2-v1
• Deep360, 合成，室外，自动驾驶，深度gt

评测数据集

• [PanoCity]

  相机位姿、深度、点云重建

• [Matterport3D]

  相机位姿、深度、点云重建

• 2D-3D-S

  相机位姿、深度、室内点云重建。下载链接

  test split 是 area_5b 序列。

• Structured3D

  弹幕深度估计

• [Pano3D]

  zero-shot 测深度

• pano_point_odyssey（见 research_diary）：indoor/outdoor，dynamic

• 360DVO

  有位姿gt

• Holo360D ?

  室外，真实，连续轨迹，位姿+深度gt