VIDIT：用于光照迁移的虚拟图像数据集
计算机视觉与模式识别
2020-05-14 v2 图像与视频处理
摘要
深度图像重打光近来受到更多关注，因其可在无需人工干预的情况下，通过特定光照的修饰实现照片增强。除美学增强与照片蒙太奇外，图像重打光对域适应亦具价值，无论用于扩充训练数据集还是归一化输入测试数据。然而，精确重打光因诸多原因极具挑战，例如难以去除与重现阴影，以及不同表面的建模。我们提出一个新数据集——用于光照迁移的虚拟图像数据集（VIDIT），旨在建立参考评估基准并推动光照操控方法的发展。虚拟数据集不仅是迈向真实图像性能的重要一步，且已证明即便在可获取真实数据集时，仍能提升训练效果。VIDIT 包含 300 个用于训练的虚拟场景，每个场景共拍摄 40 次：从 8 个等间隔方位角，各以 5 种不同光源照明。
引用
@article{arxiv.2005.05460,
title = {VIDIT: Virtual Image Dataset for Illumination Transfer},
author = {Majed El Helou and Ruofan Zhou and Johan Barthas and Sabine Süsstrunk},
journal= {arXiv preprint arXiv:2005.05460},
year = {2020}
}
备注
For further information and data, see https://github.com/majedelhelou/VIDIT