Meta* lança o XRStereo: quase 18 mil conjuntos de quadros estéreo para visão 3D
Headsets de VR e robôs precisam de milhares de pares de quadros das câmeras esquerda e direita para enxergar o ambiente em três dimensões, e capturar esses dados no mundo real é caro. A Meta* lançou o XRStereo, um dataset sintético com quase 18 mil conjuntos de cinco pares estéreo de 1024 × 1024 pixels, gerados a partir de 13 cenas virtuais. Junto vêm o código do método StereoSplat e os pesos prontos, o que permite testar o modelo com suas próprias gravações sem treiná-lo do zero.
Processado por IA de Habr AI; editado por Hamidun News
Para que um headset de VR ou um robô entenda como é o cômodo ao redor, eles precisam de algo além de uma imagem plana: um modelo volumétrico. Esse modelo pode ser montado a partir de dois quadros, um da câmera esquerda e outro da direita, do mesmo jeito que nossos olhos fazem. Treinar esses sistemas exige milhares de exemplos em que se sabe com precisão onde estavam as câmeras, e capturá-los no mundo real demora e custa caro. A Meta publicou no Hugging Face o dataset XRStereo: quase 18 mil conjuntos (a Meta os chama de sequências), cada um com cinco pares estéreo. São cerca de 90 mil pares de quadros, todos renderizados em cenas virtuais.
O que há no dataset
O XRStereo é um conjunto de dados sintético. Como as cenas são criadas em ambientes virtuais, a anotação sai exata, sem trabalho manual. Cada imagem tem resolução de 1024 × 1024 pixels. Em cada sequência, as câmeras se movem por uma cena estática: muda apenas o ponto de vista, e o mundo permanece no lugar.
Além dos quadros esquerdo e direito, os dados trazem a posição das câmeras e a distância entre elas. Também há mapas de disparidade. Explicando de forma simples: se você olhar para um dedo primeiro com um olho e depois com o outro, ele "pula" em relação ao fundo. Quanto mais perto o objeto está, maior é o salto. O mapa de disparidade registra a magnitude desse deslocamento para cada pixel, e com ele é possível calcular a distância até o objeto.
São 13 ambientes: nove interiores e quatro cenas externas. São poucas localidades, mas a variedade está nos parâmetros de captura.
Por que o ângulo e a distância entre as câmeras variam
As câmeras estéreo de cada dispositivo são construídas de maneira diferente. Em um headset, as lentes ficam mais próximas umas das outras; em outro, mais afastadas; e em um robô, as câmeras podem estar em uma barra separada. Se um modelo foi treinado com uma geometria só, costuma ter desempenho pior em outra.
Para reduzir essa dependência, os pesquisadores variaram o ângulo de visão horizontal de 50° a 130° e a distância entre as câmeras de 4 a 12 cm ao criar as cenas. A ideia é que isso permita treinar sistemas para diferentes câmeras estéreo de headsets de VR e robôs, e não para um único modelo de dispositivo.
StereoSplat: o objetivo do projeto
O dataset foi criado sobretudo para o método StereoSplat, desenvolvido pela Meta* em parceria com pesquisadores da Universidade de Amsterdã. O método constrói uma representação tridimensional da cena usando Gaussian Splatting. Nessa abordagem, a cena é descrita por um conjunto de manchas coloridas suaves no espaço, a partir das quais a imagem pode ser montada rapidamente. Em seguida, o sistema gera a imagem de novos pontos de vista, mostrando como o cômodo ficaria se a câmera fosse deslocada para o lado.
Na prática, isso significa que um vídeo de uma câmera estéreo pode gerar um modelo volumétrico, e não apenas uma sequência de quadros planos. Isso é útil em VR e AR, onde a imagem precisa ser reconstruída conforme a posição da cabeça. Também é útil na robótica, em que a máquina precisa estimar como o espaço ao seu redor está organizado.
Acesso e limitações
O XRStereo ocupa quase 373 GB e está dividido em 72 arquivos. Para uma equipe pequena, é um volume considerável: é preciso espaço em disco e tempo para o download. Junto com os dados, a Meta* disponibilizou o código do StereoSplat e os pesos dos modelos prontos. Assim, não é necessário treinar tudo do zero: dá para rodar o modelo pronto nas suas próprias gravações estéreo e avaliar a qualidade.
Há também limitações a reconhecer. O dataset é sintético, e a diferença entre a renderização e a captura real é normalmente perceptível na visão computacional: ruído de sensores, reflexos e borrões de movimento em cenas virtuais têm aparência diferente. Todas as sequências foram gravadas em cenários estáticos, então pessoas e objetos em movimento não aparecem nos dados. A partir da fonte também não é possível saber o quão bem o StereoSplat funciona em dispositivos reais: essa informação não consta na publicação.
Conclusão prática: se você desenvolve aplicações de VR ou AR, ou visão para robôs com câmera estéreo, o XRStereo é uma base pronta para treinar e comparar métodos. Vale verificar se a geometria da sua câmera cai na faixa de 50–130° de ângulo de visão e de 4–12 cm de distância entre as câmeras, e só então decidir se a sintética basta ou se será preciso acrescentar dados reais.
*Meta Platforms, bem como as redes sociais Facebook e Instagram, que lhe pertencem: a Meta é reconhecida como organização extremista, e suas atividades na Rússia são proibidas; Facebook e Instagram são proibidos na Rússia.
- 21 de nov. de 2026Inkling 2 Mini, aberta e com 16 GB de memória, alcança Qwen3.8-27B em ranking independente
- 21 de nov. de 2026Qwen3-0.6B ajustado em um Mac mini: erros nas respostas caíram de 9 para 3 em 30
- 21 de nov. de 2026Thinking Machines lança o Inkling 2 Mini, modelo aberto de 26,4 bilhões de parâmetros para Macs com 32 GB
- 21 de nov. de 2026Meta prepara o Muse Charm, um tamagotchi com IA por US$ 300 e um ano de 5G da Verizon
Perguntas frequentes sobre a notícia
O que há no dataset?
O XRStereo é um conjunto de dados sintético. Como as cenas são criadas em ambientes virtuais, a anotação sai exata, sem trabalho manual. Cada imagem tem resolução de 1024 × 1024 pixels. Em cada sequência, as câmeras se movem por uma cena estática: muda apenas o ponto de vista, e o mundo permanece no lugar. Além dos quadros esquerdo e direito, os dados trazem a posição das câmeras e a distância entre elas. Também há mapas de disparidade.
Por que o ângulo e a distância entre as câmeras variam?
As câmeras estéreo de cada dispositivo são construídas de maneira diferente. Em um headset, as lentes ficam mais próximas umas das outras; em outro, mais afastadas; e em um robô, as câmeras podem estar em uma barra separada. Se um modelo foi treinado com uma geometria só, costuma ter desempenho pior em outra. Para reduzir essa dependência, os pesquisadores variaram o ângulo de visão horizontal de 50° a 130° e a distância entre as câmeras de 4 a 12 cm ao criar as cenas.
O que se sabe sobre StereoSplat: o objetivo do projeto?
O dataset foi criado sobretudo para o método StereoSplat, desenvolvido pela Meta em parceria com pesquisadores da Universidade de Amsterdã. O método constrói uma representação tridimensional da cena usando Gaussian Splatting. Nessa abordagem, a cena é descrita por um conjunto de manchas coloridas suaves no espaço, a partir das quais a imagem pode ser montada rapidamente. Em seguida, o sistema gera a imagem de novos pontos de vista, mostrando como o cômodo ficaria se a câmera fosse deslocada para o lado.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.