SmokeBench：用于早期火场景监控图像去烟的真实世界数据集
计算机视觉与模式识别
2025-09-17 v1
摘要
早期火场景（点燃后0-15分钟）是紧急干预的关键时间窗口。在此阶段，燃烧产生的烟雾显著降低了监控系统的可见性，严重损害情报感知能力，阻碍有效的应急响应和救援行动。因此，迫切需要从图像中去除烟雾以获取清晰的场景信息。然而，由于缺乏大规模、真实世界数据集（包含配对的无烟图像和烟损图像），去烟算法的开发仍受限。为此，我们提出了一个名为SmokeBench的真实世界监控图像去烟基准数据集，包含在多样化场景设置和烟雾浓度下捕获的图像对。该数据集提供精确对齐的受损图像和干净图像，支持监督学习和严格评估。我们在数据集上对多种去烟方法进行了全面实验。该数据集为在真实火场景中构建稳健且实用的图像去烟方法提供了宝贵基础。该数据集已公开发布，可从 https://github.com/ncfjd/SmokeBench 下载。
引用
@article{arxiv.2509.12701,
title = {SmokeBench: A Real-World Dataset for Surveillance Image Desmoking in Early-Stage Fire Scenes},
author = {Wenzhuo Jin and Qianfeng Yang and Xianhao Wu and Hongming Chen and Pengpeng Li and Xiang Chen},
journal= {arXiv preprint arXiv:2509.12701},
year = {2025}
}
备注
Accepted by ACMMM 2025 Datasets Track