LLVIP：面向低光视觉的可见光-红外配对数据集
计算机视觉与模式识别
2023-06-16 v4 人工智能
摘要
在极低光照条件下，由于有效目标区域的丢失，图像融合、行人检测与图像到图像转换等多种视觉任务极具挑战性。在此情况下，红外与可见光图像可结合使用，以同时提供丰富的细节信息与有效的目标区域。本文提出 LLVIP，一个面向低光视觉的可见光-红外配对数据集。该数据集包含 30976 张图像，即 15488 对，其中大部分拍摄于极暗场景，且所有图像在时间与空间上严格对齐。数据集中的行人已标注。我们将该数据集与其他可见光-红外数据集进行比较，并在该数据集上评估一些流行的视觉算法（包括图像融合、行人检测与图像到图像转换）的性能。实验结果表明了融合对图像信息的互补效应，并发现了现有算法在极暗光照条件下上述三项视觉任务的不足。我们相信 LLVIP 数据集将通过推动极暗光照应用中的图像融合、行人检测与图像到图像转换，为计算机视觉领域做出贡献。数据集发布于 https://bupt-ai-cz.github.io/LLVIP。同时提供原始数据以用于图像配准等进一步研究。
引用
@article{arxiv.2108.10831,
title = {LLVIP: A Visible-infrared Paired Dataset for Low-light Vision},
author = {Xinyu Jia and Chuang Zhu and Minzhen Li and Wenqi Tang and Shengjie Liu and Wenli Zhou},
journal= {arXiv preprint arXiv:2108.10831},
year = {2023}
}
备注
10 pages, 11 figures, ICCV workshop