ICCVAug, 2021

LLVIP: 一种低光视觉的可见 - 红外配对数据集

PDF
TL;DR本文介绍了一个适用于低光环境下的可见光红外数据集 LLVIP，包含 30976 张严格时间和空间对齐的图片，其中 15488 对可见光和红外图像。实验结果表明，LLVIP 数据集可以促进图像融合、行人检测和图像转换等低光视觉任务的开展。
low-light visioninfraredvisibledatasetvisual tasks
发现论文，激发创造
  • 图像到图像翻译在改进行人检测中的应用

    使用深度学习模型和可见光红外图像对数据集进行训练，从而实现在低光环境中的行人识别。

    Sep, 2022

  • BVI-Lowlight: 低光视频增强的完全注册基准数据集

    通过引入一个新颖的低光视频数据集，本文对低光视频进行增强的方法进行了深入分析和全面评估，并展示了全注册视频配对在发展低光视频增强方法中的重要性和对综合评估的需求。

    Feb, 2024

  • 低光视觉中的行人检测

    项目中，我们通过图像融合技术对数据集进行预处理，然后使用 Vision Transformer 模型从融合图像中检测行人。在评估过程中，我们将比较 YOLOv5 和改进后的 ViT 模型在融合图像上的性能。

    Mar, 2023

  • I2V-GAN：无配对红外 - 可见视频转换

    该研究提出了一种基于 I2V-GAN 的视频翻译方法，可以生成细粒度和时空一致的可见光视频。该方法采用三种约束，包括对抗损失、循环一致性和相似性约束，同时提供了一个新的 IRVI 数据集，以提高这方面的研究水平。

    Aug, 2021

  • 可见光和红外图像流中的低光照行人检测：问题与挑战

    综述了最近在低光条件下行人检测方法的发展，系统地对基于区域、非区域和图形学习方法的各种算法进行分类和分析，同时着重介绍了这些算法的方法学、实施问题和挑战，还概述了可用于研究和开发先进行人检测算法的关键基准数据集，特别是在低光情况下。

    Nov, 2023

  • LVIS：用于大规模词汇实例分割的数据集

    介绍了一个新数据集 LVIS，包括超过 1000 个对象类别和约 164k 幅图像，用于解决目标检测中的少训练样本问题。

    Aug, 2019

  • 低光图像和视频增强技术的深度学习调研

    本文提出了一个包含低光图像增强算法分类、数据集、web 平台等多个方面的综述以及一个包含各种拍摄设备下的低光图像数据、在线评估多个流行算法的数据集和平台，并对各种算法在公开及自有数据集上进行了定性和定量评估。本平台，数据集以及评估指标都是公开的并被定期更新。

    Apr, 2021

  • VIFB: 可见光与红外图像融合基准

    本文提出了一个可用于衡量可见光和红外图像融合最新进展的代码库和基准，包含 21 对图像、20 个融合算法和 13 个评价指标，通过大规模实验确定了有效的算法，同时对该领域的现状和未来前景进行了分析。

    Feb, 2020

  • VIDIT: 虚拟图像数据集用于照明转移

    该研究提出了一个名为 VIDIT 的虚拟图像数据集，旨在创造参考评估基准，并推进照明操作方法的开发。该数据集包含 300 个虚拟场景，用于训练和评估照明转移算法，对于领域适应和培训有很大的帮助。

    May, 2020

  • 面向鲁棒的事件引导低光图像增强：一个大规模真实世界事件图像数据集和新方法

    利用机械臂轨迹追踪技术，构建了一个室内外真实场景的大规模事件图像数据集，提出了一种基于事件引导的适用于真实低光场景的图像增强方法 EvLight，通过多尺度整体融合分支和信噪比引导的区域特征选择策略，显著超越了基于帧的方法。

    Apr, 2024