FoundIR数据集
南理工推出通用图像复原基础模型百万规模训练数据,现已开源!欢迎点击下载地址填写谷歌表单申请获取权限~
00/00
共121条结果
Rain800 训练集共包含700幅图像,其中500幅从UCID数据集的前800幅图像中随机选取,200幅从BSD-500数据集的训练集中随机选取。测试集共包含100幅图像,其中50幅从UCID数据集的后500幅图像中随机选取,50幅从BSD-500数据集的测试集中随机选取。使用Photoshop在这些图像中添加雨纹,确保添加不同强度和方向的雨像素,以生成多样化的训练集和测试集。所有训练和测试样本的大小均调整为 256 x 256。
RoadScene-rain数据集的图像来自RoadScene数据集,该数据集精确配准了 RGB-IR 图像,包含道路、车辆和行人等多样化场景,有效模拟了低光夜间驾驶场景。我们在 RoadScene 数据集中的 RGB 图像上采用了雨滴合成算法,最终生成221个图像对,能够准确模拟现实世界中的低光雨天夜间驾驶场景,其中保留 40 对图像对作为测试样本,其余图像对用于训练。
RoadScene-rain数据集的图像来自 RoadScene 数据集,该数据集精确配准了 RGB-IR 图像,包含道路、车辆和行人等多样化场景,有效模拟了低光夜间驾驶场景。我们在 RoadScene 数据集中的 RGB 图像上采用了雨滴合成算法,最终生成221个图像对,能够准确模拟现实世界中的低光雨天夜间驾驶场景,其中保留 40 对图像对作为测试样本,其余图像对用于训练。
UAV-Rain1k是首个全新的用于从无人机图像中去除雨滴的基准数据集。UAV-Rain1k 的训练集和测试集分别包含 800 和 220 张合成图像。所有图像的平均分辨率为 1500 × 1000。数据集包含四种降雨密度标签(例如,轻度、中度、重度和不规则)。此外,我们根据航拍角度和航拍场景对背景图像进行分类。因此,我们的数据集在降雨条件和地面真实 (GT) 图像方面都展现出更大的多样性和更大的规模。
RealRain-1k 包含 1120 张高分辨率的晴天和雨天图像对,其中雨纹密度分别为低和高。RealRain-1k 中的图像是通过一种简单有效的可控雨纹密度滤波方法从大量真实世界中的雨天视频片段中自动生成的,具有图像分辨率高、背景多样性、雨纹多样性和空间对齐严格的特性。 RealRain-1k 还提供了丰富的雨纹层,使我们能够通过将雨纹层粘贴到丰富的自然图像上。
整个数据集包含 12860 张雨天图像以及《侠盗猎车手 V》中收集的 1286 张无雨天真实图像,并分为三个子集。其中set1 和 set3 使用默认雨天形状渲染,set2 使用我们创建的形状渲染。set1 和 set2 分别包含 5000 张雨天/晴天图像,set3 包含 1860 张雨天/晴天图像。每 10 张雨天图像对应 1 张晴天图像,它们分别命名为 0000_00.png 至 0000_09.png 和 0000.png。
从交替曝光序列中重建高动态范围(HDR)视频是一个极具挑战性的任务。现有方法通常在图像空间中利用光流对低动态范围(LDR)输入序列进行对齐,然后将对齐后的图像融合以生成HDR结果。然而,由于过曝区域细节缺失和欠曝区域噪声较多,图像空间中的精确对齐和融合较为困难,常常导致明显的阴影伪影。鉴于目前尚无公开可用于HDR视频重建方法定量和全面评估的数据集,我们构建了一个包含静态场景序列和184对动态场景测试样本的基准数据集。
作为获取高动态范围(HDR)视频的一种重要且实用的方式,从交替曝光序列中重建HDR视频仍然研究较少,主要原因在于缺乏大规模真实世界数据集。现有方法大多依赖合成数据集进行训练,在实际场景中表现不佳。为促进真实世界HDR视频重建的发展,本文提出了 Real-HDRV,一个面向HDR视频重建的大规模真实世界基准数据集,涵盖多种场景、多样的运动模式以及高质量的标签信息。具体而言,本数据集包含500组LDR-HDR视频对,总计约28,000帧LDR图像与4,000帧HDR图像标签,覆盖白天、夜间、室内及室外等不同环境。据我们所知,该数据集是目前规模最大的真实世界HDR视频重建数据集。
手机已成为我们日常生活中无处不在且不可或缺的拍摄设备,然而由于光圈小、传感器尺寸有限,手机在拍摄中更容易受到噪声和过曝的影响,导致图像呈现低动态范围(LDR)和较差的图像质量。因此,发展适用于手机的高动态范围(HDR)成像技术尤为关键。 然而,现有的HDR图像数据集大多由数码单反相机(DSLR)在白天环境下采集,限制了其在移动设备HDR成像研究中的适用性。为了解决这一问题,我们首次(据我们所知)构建了一个由手机相机采集的HDR图像数据集,命名为 Mobile-HDR 数据集。具体而言,本文使用三款不同的手机相机,在原始图像域(raw domain)中采集成对的LDR-HDR图像,涵盖了白天与夜间等多种场景,并包含不同噪声水平。
光照在人类幸福感中扮演着重要角色。然而,大多数计算机视觉任务在处理像素时,往往忽略了像素与物理亮度之间的关系。为了解决这一不足,本数据集引入了Laval光度校准室内HDR数据集,这是首个大规模经过光度校准的高动态范围360°全景图像数据集。本数据集对现有未校准的HDR数据集进行精确校准。具体方法是利用专业光度测量仪器(色度计)同步采集RAW格式的包围曝光图像,涵盖多种场景和多样的光照条件。基于这些精确测量数据,本文计算并确定了应用于HDR图像的校准系数最终构建的数据集丰富地展现了室内场景中多样的照度与色彩,以及多种类型的光源。