Flare7K：一个基于现象学的夜间眩光去除数据集
计算机视觉与模式识别
2022-10-18 v1 图像与视频处理
摘要
人造光源常在夜间拍摄的图像上留下强烈的镜头眩光伪影。夜间眩光不仅影响视觉质量，还会降低视觉算法的性能。现有眩光去除方法主要聚焦于去除日间眩光，在夜间场景下失效。夜间眩光去除具有挑战性，原因在于人造光源独特的亮度与光谱，以及夜间所捕获眩光多样的图案与图像退化。夜间眩光去除数据集的匮乏限制了这一关键任务的研究。本文提出首个夜间眩光去除数据集Flare7K，其基于真实世界夜间镜头眩光的观测与统计生成。该数据集提供5000张散射眩光与2000张反射眩光图像，包含25类散射眩光与10类反射眩光。这7000种眩光图案可随机叠加至无眩光图像，形成眩光污染与无眩光图像对。利用成对数据，我们可训练深度模型有效修复真实世界中受眩光污染的图像。除丰富的眩光图案外，我们还提供精细标注，包括光源、带微光的眩光、反射眩光与条纹的标记，这些在现有数据集中通常缺失。因此，我们的数据集可推动夜间眩光去除的新工作及更细粒度的眩光图案分析。大量实验表明，我们的数据集为现有眩光数据集增添了多样性，并推进了夜间眩光去除的前沿。
引用
@article{arxiv.2210.06570,
title = {Flare7K: A Phenomenological Nighttime Flare Removal Dataset},
author = {Yuekun Dai and Chongyi Li and Shangchen Zhou and Ruicheng Feng and Chen Change Loy},
journal= {arXiv preprint arXiv:2210.06570},
year = {2022}
}
备注
Camera-ready version for NeurIPS 2022 Track Datasets and Benchmarks