SkyCam: 一组天空图像及其辐照值的数据集
该研究对短期（预测时间少于 30 分钟）太阳能预测的数据集进行了综合调查，并开发了基于八个维度的多标准排名系统，以评估调查的数据集。同时，介绍了与阳光能预测相关的其他研究领域和使用这些数据集的不同应用。
Nov, 2022
本文提出了一种新的方法，通过从天空图像中提取特征并使用基于学习的技术来估计短期太阳辐照度，实现了对可再生能源的预测，该方法在计算复杂性方面比现有的算法具有更高的竞争力。
Oct, 2023
本文介绍了使用深度卷积神经网络预测太阳能辐射强度的初步结果，并探讨了训练算法的图像识别技术，和利用过去相同日期数据进行训练以提高短期预测技能的方法。
May, 2020
我们提出了一种数据驱动的天空模型，利用单张图像进行室外照明估计，通过综合数据集来训练，并成功解决了光照建模和估计问题。我们的方法可以直接从测试图像中估计 HDR 照明环境映射，发现我们的学习天空模型表现出很强的适应性和表现力，能够恢复出合理的光照，实现真实的虚拟对象插入。通过广泛的验证，我们的方法优于先前的最先进技术。
May, 2019
通过整合来自全天候摄像头和卫星观测的云覆盖率补充信息，本研究利用机器学习将两种信息融合起来，提高了日照预报的准确性。结果表明，混合模型对于晴朗天气的预测效果更好，同时也提高了更长期的预测能力。
Jun, 2022
通过降维天空相机图像的标量特征以满足数据传输限制，我们提出了一种用于太阳辐照短期预测的数据简化机器学习模型。经过受控理论的启发，我们使用噪声输入反映未测量的变量，并证明其显著提高了模型的预测能力。利用来自 NREL Solar Radiation Research Laboratory 的五年数据，我们创建了三个滚动训练验证集，确定了时间的最佳表示形式、输入测量的最佳跨度以及最具影响力的模型输入数据（特征）。在选择的测试数据上，与云量持续模型的基准值 134.35 $W/m^2$ 相比，该模型实现了 74.34 $W/m^2$ 的平均绝对误差。
Mar, 2024
使用从无人机 (UAV) 角度捕获的繁密注释的航拍图像，我们创建了一个综合性的合成数据集 SkyScenes，以全面展示在不同布局（城市和农村地图）、天气条件、时间、俯仰角和海拔高度上的多样性，具有相应的语义、实例和深度注释。通过我们在 SkyScenes 数据集上的实验，我们证明：（1）在 SkyScenes 上训练的模型对不同的实际情境具有很好的泛化性能，（2）将真实图像的训练与 SkyScenes 数据相结合可以提高实际表现，（3）SkyScenes 的可控变化可以揭示模型对视点条件变化的响应方式，（4）引入额外的传感器模态（深度）可提高航拍场景理解能力。
Dec, 2023
使用地理坐标将无标签的遥感图像与 OpenStreetMap 中的丰富语义相连接，构建了一套遥感图像的综合视觉 - 语言数据集 SkyScript，包含 260 万个图像 - 文本对，覆盖 29K 个不同的语义标签。通过在此数据集上进行持续预训练，我们获得了一个视觉 - 语言模型，相较于基准模型，在七个基准数据集上实现了 6.2％的平均准确率提升，并展示了对于细粒度对象属性分类和跨模态检索的零样本迁移能力。希望该数据集可以支持遥感领域中各种多模态任务的视觉 - 语言模型的进展，如开放词汇分类、检索、字幕生成和文本到图像合成。
Dec, 2023
介绍了一种利用光度计经过校准的高动态范围全景图数据集的方法，可用于在计算机视觉任务中更准确地估计室内场景中的像素亮度、颜色温度和照明情况。
Apr, 2023