UENR-600K：面向夜间视频去雾的大规模物理依据数据集
计算机视觉与模式识别
2026-04-07 v1
摘要
夜间视频去雾的挑战在于雨滴与人工灯光相互作用。不同于白天的白雨，夜间雨呈现多样颜色并呈现局部照明效果。现有小规模合成数据集依赖 2D 雨覆盖，无法捕捉这些物理特性，导致模型在现实夜雨上泛化能力差。同时，捕获真实配对夜间视频因雨效应无法与其他退化因素如传感器噪声分离而难以实现。为填补这一鸿沟，我们引入 UENR-600K，一个包含 60 万帧 1080p 帧对的大规模物理依据数据集。我们利用 Unreal Engine 在虚拟环境中模拟雨滴作为 3D 粒子，这种方法保证了光照真实性和物理雨滴，捕捉正确细节如颜色折射、场景遮挡、雨幕等。依托这一高质量数据，我们通过适配 Wan 2.2 视频生成模型建立了新的最先进基线。我们的基线将去雾视为视频到视频生成任务，利用强大的生成先验几乎完全弥合了仿真到现实的差距。大规模基准测试表明，在我们数据集上训练的模型对现实视频的泛化能力显著提升。项目页面: https://showlab.github.io/UENR-600K/。
引用
@article{arxiv.2604.04402,
title = {UENR-600K: A Large-Scale Physically Grounded Dataset for Nighttime Video Deraining},
author = {Pei Yang and Hai Ci and Beibei Lin and Yiren Song and Mike Zheng Shou},
journal= {arXiv preprint arXiv:2604.04402},
year = {2026}
}