基于3D视频的真实感大规模精细深度去雾数据集
计算机视觉与模式识别
2022-12-16 v3
摘要
图像去雾是计算机视觉与机器学习中重要且热门的研究课题之一。对于自动驾驶、安防监控等诸多应用而言，亟需一种性能可靠的实时去雾方法。尽管近期基于学习的方法需要包含有雾图像与清晰真值成对的数据集，但在真实场景中捕获此类数据是不可能的。许多现有工作通过使用雾天成像模型，在常见RGBD数据集上根据深度渲染雾气来生成有雾图像，以折中解决这一难题。然而，由于高质量深度的大规模数据集多为室内场景，而室外深度图不够精确，合成数据集与真实有雾图像之间仍存在差距。本文利用高清3D电影中的真实室外场景，构建了一个新的大规模多样化去雾数据集，以补充现有数据集。我们选取大量高质量的真实室外场景帧，并利用立体视觉获得的深度在其上渲染雾气。我们的数据集明显比现有数据集更具真实感、更多样化且视觉质量更佳。更重要的是，我们证明使用该数据集能显著提升在真实场景上的去雾性能。除数据集外，我们还在所提出的基准数据集上评估了一系列最先进的方法。
引用
@article{arxiv.2004.08554,
title = {Realistic Large-Scale Fine-Depth Dehazing Dataset from 3D Videos},
author = {Ruoteng Li and Xiaoyi Zhang and Shaodi You and Yu Li},
journal= {arXiv preprint arXiv:2004.08554},
year = {2022}
}