LLVIP: A Visible-infrared Paired Dataset for Low-light Vision

要約

低照度下での画像フュージョン、歩行者検知、画像間変換などの様々な視覚タスクは、有効なターゲット領域が失われるため、非常に困難です。このような場合、赤外線画像と可視画像を併用することで、豊富なディテール情報と有効なターゲット領域の両方を提供することができる。本論文では、低照度下での視覚のための可視-赤外ペアデータセットであるLLVIPを紹介する。このデータセットには30976枚の画像、すなわち15488組の画像が含まれており、そのほとんどが非常に暗いシーンで撮影され、全ての画像は厳密に時間・空間的に整列している。データセット中の歩行者はラベル付けされている。我々は、このデータセットを他の可視-赤外データセットと比較し、画像融合、歩行者検出、画像間変換を含むいくつかの一般的な視覚アルゴリズムの性能をこのデータセットで評価する。実験結果は、画像情報に対する融合の補完効果を示し、非常に低照度な条件下における3つの視覚タスクの既存アルゴリズムの不足を発見しました。我々は、LLVIPデータセットが、極低照度下での画像融合、歩行者検出、画像間変換を促進することで、コンピュータビジョンのコミュニティに貢献できると考えています。このデータセットは、https://bupt-ai-cz.github.io/LLVIP で公開されています。また、画像登録などの研究のために生データも提供されています。

要約(オリジナル)

It is very challenging for various visual tasks such as image fusion, pedestrian detection and image-to-image translation in low light conditions due to the loss of effective target areas. In this case, infrared and visible images can be used together to provide both rich detail information and effective target areas. In this paper, we present LLVIP, a visible-infrared paired dataset for low-light vision. This dataset contains 30976 images, or 15488 pairs, most of which were taken at very dark scenes, and all of the images are strictly aligned in time and space. Pedestrians in the dataset are labeled. We compare the dataset with other visible-infrared datasets and evaluate the performance of some popular visual algorithms including image fusion, pedestrian detection and image-to-image translation on the dataset. The experimental results demonstrate the complementary effect of fusion on image information, and find the deficiency of existing algorithms of the three visual tasks in very low-light conditions. We believe the LLVIP dataset will contribute to the community of computer vision by promoting image fusion, pedestrian detection and image-to-image translation in very low-light applications. The dataset is being released in https://bupt-ai-cz.github.io/LLVIP. Raw data is also provided for further research such as image registration.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL