本文提供了一个独特的 low-light 图像数据集 Exclusively Dark dataset 及其注释，并分析了低光照度对物体检测任务的影响，发现其影响深入特征中，不能仅靠 “光照不变性” 解决。作者希望这个数据集及分析能够鼓励不同领域的低光照度研究的发展。

May, 2018

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

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。

Aug, 2021

该研究提出了一种新颖的基准交通灯数据集，包括用于训练和测试的图像和视频，还提出了一种使用双摄像头输出的后处理算法，可以在速度和准确性之间取得平衡，以便自动驾驶汽车可以安全地在城市和半城市道路上导航。

Sep, 2022

本研究介绍了一个包含超过 1000 个真实场景的多光照数据集，每个场景都在 25 种不同的光照条件下进行了捕获。作者使用此数据集训练了针对三个应用的最新模型：单张图像光照估计、图像重新照明和混合光源白平衡。

Oct, 2019

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

在低光环境中进行准确的物体追踪对于监控和动物行为学应用至关重要。本文研究了这些扭曲对自动物体追踪器的影响，并提出了一种解决方案，通过将去噪和低光增强方法整合到基于变压器的物体追踪系统中，提高追踪性能。实验结果表明，用低光合成数据集训练的提出的追踪器优于原始的 MixFormer 和 Siam R-CNN。

Dec, 2023

本文提出了一种基于多分支卷积神经网络的新型端到端注意力引导方法，利用合成的低光模拟数据构建数据集，通过使用两个注意力图指导亮度增强和降噪任务，并进一步增强输出图像的色彩和对比度以实现对低光图像的高保真增强，该方法在多个数据集上表现优异，比当前最先进的方法有更好的定量和视觉效果。

Aug, 2019

本文介绍了一个低光场景下的多目标跟踪方法和相应的数据集 LMOT，证实了该方法在实际夜间低光场景中的竞争力。

May, 2024

该研究提出了一个基于虚拟世界的视觉感知基准测试套件，通过对超过 250,000 个高分辨率视频帧的低层次和高层次的视觉任务进行全面地注释，并针对多个任务分析了最先进方法的表现，提供参考基线和突出未来研究的挑战。

Sep, 2017