LoLI-Street 低光照图像增强数据集

LoLI-Street 是由成均馆大学 (Sungkyunkwan University) 、澳大利亚国立大学 (The Australian National University) 和韩国科技大学 (Tech University of Korea) 的研究团队共同发布的一个专注于低光照图像增强 (LLIE) 的数据集，相关论文成果为「LoLI-Street: Benchmarking Low-Light Image Enhancement and Beyond」，并已被 ACCV’24 接受。这个数据集由来自发达城市街景的 33k 对低光与良好曝光图像组成，涵盖 19k 个目标类别用于目标检测。 LoLI-Street 数据集还包括 1k 张真实低光测试图像，用于在现实条件下测试 LLIE 模型。它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。

该数据集的创建是为了解决现有 LLIE 方法在真实世界低光条件下表现不佳的问题，尤其是在街景领域，这限制了鲁棒 LLIE 方法的发展。 LoLI-Street 数据集通过提供在多种低光条件下拍摄的图像，帮助研究人员和开发者训练和测试他们的模型，以便在自动驾驶和监控系统等实际应用中提高图像质量和目标检测的效果。