DL3DV-10K एक बड़ा वास्तविक दृश्य डेटासेट है जिसमें 10,000 से अधिक उच्च-गुणवत्ता वाले वीडियो शामिल हैं। प्रत्येक वीडियो में मानव द्वारा दृश्य के प्रमुख बिंदुओं और जटिलता को चिह्नित किया गया है, और कैमरा मुद्रा, NeRF अनुमानित गहराई, बिंदु क्लाउड और 3D जाल जैसे डेटा भी प्रदान किए गए हैं। यह डेटासेट सामान्य NeRF अनुसंधान, दृश्य स्थिरता ट्रैकिंग, दृश्य-भाषा मॉडल आदि कंप्यूटर विज़न अनुसंधान के लिए उपयोग किया जा सकता है।