最新夜间数据集发布LoLI-Street: 33000帧数据，涵盖19000个目标

文章预览

Abstract 低光照图像增强（LLIE）对于许多计算机视觉任务至关重要，包括目标检测、跟踪、分割和场景理解。尽管已有大量研究致力于提高在低光照条件下捕捉的低质量图像，但在自动驾驶车辆中，清晰的视觉仍然至关重要，尤其是在低光场景中，这表明这一领域需要持续研究。然而，用于LLIE的成对数据集十分稀缺，尤其是在街景领域，这限制了鲁棒LLIE方法的发展。尽管当前的LLIE方法使用了先进的transformer和/或基于扩散的模型，但它们在真实世界的低光条件下表现不佳，并且缺乏针对街景数据集的训练，降低了它们在自动驾驶中的有效性。 为了解决这些问题，我们引入了一个新的数据集“LoLI-Street”（Low-Light Images of Streets），该数据集包含来自发达城市街景的33,000对低光与良好曝光图像，涵盖19,000个目标类别用于目标检测。LoLI-Street数据集还包含1 ………………………………