AllClear：用于卫星图像云去除的综合数据集与基准

卫星图像中的云层对下游应用构成重大挑战。当前云去除研究的一个主要挑战是缺乏综合性基准和足够大且多样化的训练数据集。为此，我们介绍了最大公开数据集——$\textit{AllClear}$ 用于云去除，包含来自全球 23,742 个感兴趣区域（ROI）的样本，具有多样化的土地利用模式，总计约 400 万张图像。每个 ROI 包括来自 2022 年完整的时序数据，包含（1）来自 Sentinel-2 和 Landsat 8/9 的多光谱光学图像、（2）来自 Sentinel-1 的合成孔径雷达（SAR）图像，以及（3）如云掩码和土地覆盖图等的辅助遥感产品。我们通过基准测试验证了数据集的有效性，展示了规模定律——PSNR 从 $28.47$ 提升至 $33.87$ 随着数据量的 $30\times$ 增大，并进行了关于时序长度和各模态重要性的消融研究。该数据集旨在提供对地球表面的全面覆盖，推动更好的云去除结果的实现。