ASIS

发布了一个恶劣场景图像拼接数据集(ASIS)，该数据集整合了低光照、雾霾和水下环境下的图像。ASIS包含2,250对图像，包括每种环境（低光照、水下和雾霾）各750张图像，涵盖了洞穴、沉船和田野等17个场景。这些数据部分来自互联网，部分来自独立拍摄。拍摄的图像远离平面结构，确保了所提出的ASIS数据集的视差多样性。We present a challenging scene image stitching dataset named ASIS, which integrates images captured under low-light, haze, and underwater environments. ASIS comprises 2,250 image pairs, with 750 pairs corresponding to each of the three environments, covering 17 scenarios including caves, shipwrecks, and fields. A portion of the dataset is sourced from the Internet, while the remaining part was captured independently. All captured images avoid planar structures, thus ensuring the parallax diversity of the proposed ASIS dataset.

原始信息汇总

ACDIS 数据集概述

数据集名称

ASIS（Adverse Scene Image Stitching Dataset）

发布信息

• 发布时间：2025年10月12日
• 发布机构：相关论文发表于NeurIPS 2025

数据集内容

• 数据规模：包含2,250对图像
• 环境类型：
  • 低光照环境：750张图像
  • 水下环境：750张图像
  • 雾霾环境：750张图像
• 场景覆盖：涵盖17种不同场景（包括洞穴、残骸、田野等）

数据特征

• 数据来源：部分来自互联网，部分为独立拍摄
• 结构特性：拍摄图像远离平面结构，确保数据集的视差多样性
• 标注信息：提供单应性参考，包含端点偏移量

获取方式

• Google Drive：https://drive.google.com/file/d/1YUhftGg9xip5Ff7qxtSo30fdnANXos1j/view?usp=sharing
• Baidu Yun：https://pan.baidu.com/s/1pzxIGRQI9vA4DZH8aXzZAw?pwd=6a1d

引用格式

bibtex @article{zhang2026acdis, title={Image Stitching in Adverse Condition: A Bidirectional-Consistency Learning Framework and Benchmark}, author={Zhang, Zengxi and Ge, JunChen and Jiang, Zhiying and Ma, Long and Liu, Jinyuan and Fan, Xin and Liu, Risheng}, journal={Advances in Neural Information Processing Systems}, year={2025}, }

搜集汇总

数据集介绍

构建方式

在图像拼接研究领域，ASIS数据集的构建过程体现了对复杂环境场景的系统性采集。该数据集整合了低光照、水下和雾霾三种恶劣条件，共计包含2,250对图像，每种环境各750对，覆盖洞穴、沉船、田野等17类典型场景。数据来源融合了互联网公开资源与自主拍摄内容，通过非平面结构的图像采集策略，有效保证了场景视差的多样性。此外，研究团队还通过端点偏移标注技术生成了对应的单应性变换参考基准，为几何对齐任务提供了重要支撑。

使用方法

基于该数据集的实验流程遵循模块化设计原则，研究者需首先配置指定的CUDA计算环境并通过安装脚本完成依赖库部署。使用前需要下载预训练的增强、对齐和合成三个核心模块的模型参数文件，并放置于相应目录。测试阶段采用分步执行策略，先运行恶劣条件下的图像对齐推理脚本，再调用图像合成模块完成最终拼接。数据集文件通过主流云存储平台提供，解压后可直接加载图像对及其对应的单应性变换标注，支持端到端的算法性能评估与比较研究。

背景与挑战

背景概述

图像拼接技术作为计算机视觉领域的重要分支，长期致力于解决多视角图像的几何对齐与视觉融合问题。ASIS数据集由张增喜等研究人员于2025年提出，聚焦于恶劣环境下的图像拼接任务，其创新性体现在系统整合了低光照、水下与雾霾三类典型复杂场景。该数据集涵盖洞穴、沉船、田野等17类场景的2250组图像对，通过非平面结构采集策略保障了视差多样性，为跨模态图像对齐算法提供了标准化评估基准，显著推动了鲁棒视觉计算研究的发展。

当前挑战

恶劣环境图像拼接面临双重挑战：在领域问题层面，低光照条件下的噪声干扰、水下环境的色彩失真与雾霾场景的对比度退化，严重制约传统特征匹配算法的稳定性；在构建过程中，数据集需平衡网络来源与自主采集图像的比例，同时通过端点偏移标注策略建立单应性参考基准，这种多源异构数据的标准化处理对几何真值标注提出了极高要求。

常用场景

经典使用场景

在计算机视觉领域，图像拼接技术旨在将多幅重叠图像无缝融合为全景图。ASIS数据集专为恶劣环境下的图像拼接任务设计，涵盖低光照、水下及雾霾等复杂场景，其经典应用在于评估和优化拼接算法在非理想视觉条件下的鲁棒性。该数据集通过提供多样化场景样本，支持研究者系统分析光照衰减、介质散射等因素对特征匹配与几何对齐的影响，为开发适应性强的新型拼接方法奠定基础。

解决学术问题

传统图像拼接方法在均匀光照与清晰介质条件下表现良好，但面对恶劣环境时常因特征退化而失效。ASIS数据集通过集成低光、水下和雾霾三类挑战性场景，直接应对特征提取一致性、几何形变补偿及色彩还原等核心学术难题。该基准的建立推动了跨域自适应学习、多模态融合等研究方向，为构建普适性视觉系统提供了理论验证基础与量化评估标准。

实际应用

恶劣环境图像拼接技术在现实场景中具有广泛需求。基于ASIS数据集开发的算法可应用于水下考古测绘，通过拼接浑浊水域中的遗址图像重建三维结构；在灾害救援领域，能够融合雾霾环境下的无人机航拍画面，生成全景态势感知图；此外，低光条件下的安防监控系统亦可借助此类技术提升夜间场景的连贯可视化能力，显著增强实际应用的可靠性与效率。

数据集最近研究

最新研究方向

在计算机视觉的图像拼接领域，ASIS数据集的推出标志着对恶劣环境条件下技术挑战的深入探索。该数据集聚焦低光照、水下及雾霾等复杂场景，通过双向一致性学习框架推动算法在非平面结构图像中的鲁棒性研究。当前前沿方向集中于利用深度学习模型解决大视差场景下的几何失真问题，同时结合多模态数据增强技术提升跨环境适应性。这一进展与自动驾驶和遥感监测等热点应用紧密关联，为极端视觉条件下的实时图像融合提供了理论支撑与评估基准，显著推动了视觉系统在真实场景中的实用化进程。