Flare7K++：混合合成与真实数据集用于夜间眩光去除及更多
计算机视觉与模式识别
2023-06-09 v2 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，降低视觉质量及视觉算法的性能。现有眩光去除方法主要关注去除日间眩光，在夜间情况下失效。夜间眩光去除具有挑战性，原因在于人造光源独特的亮度和光谱，以及眩光多样的图案与图像退化。夜间眩光去除数据集的稀缺制约了该重要任务的研究。本文引入 Flare7K++，首个全面的夜间眩光去除数据集，由 962 张真实拍摄的眩光图像（Flare-R）和 7,000 张合成眩光（Flare7K）组成。与 Flare7K 相比，Flare7K++ 在消除光源周围复杂退化方面尤为有效，而仅用合成眩光难以处理。此外，先前眩光去除流程依赖手动阈值和模糊核设置来提取光源，当光源微小或未过曝光时可能失效。为解决此问题，我们额外提供 Flare7K++ 中光源的标注，并提出一种新的端到端流程，在去除镜头眩光的同时保留光源。我们的数据集与流程为未来夜间眩光去除研究提供了宝贵的基础与基准。大量实验表明，Flare7K++ 补充了现有眩光数据集的多样性，并将夜间眩光去除的前沿推向真实场景。
引用
@article{arxiv.2306.04236,
title = {Flare7K++: Mixing Synthetic and Real Datasets for Nighttime Flare Removal and Beyond},
author = {Yuekun Dai and Chongyi Li and Shangchen Zhou and Ruicheng Feng and Yihang Luo and Chen Change Loy},
journal= {arXiv preprint arXiv:2306.04236},
year = {2023}
}
备注
Extension of arXiv:2210.06570; Project page at https://ykdai.github.io/projects/Flare7K