LENVIZ

LENVIZ数据集是一个包含超过234,000帧图像的夜间低曝光视觉基准数据集，由联想研究院创建。该数据集展示了24,000个真实世界的室内外场景，涵盖有无人场景。使用3种不同的相机传感器捕获，LENVIZ提供了广泛的照明条件、噪声水平和场景复杂性，是迄今为止最大规模的公开4K分辨率低光基准数据集。数据集中每个多曝光低光场景都经过专家摄影师精心编辑，确保了最优的图像质量。The LENVIZ dataset is a nighttime low-exposure visual benchmark dataset containing over 234,000 image frames, created by the Lenovo Research Institute. It features 24,000 real-world indoor and outdoor scenes, covering both scenes with and without human subjects. Captured using three distinct camera sensors, LENVIZ provides a wide range of lighting conditions, noise levels and scene complexities, making it the largest publicly available 4K-resolution low-light benchmark dataset to date. Each multi-exposure low-light scene in the dataset has been meticulously curated by professional photographers to ensure optimal image quality.

搜集汇总

数据集介绍

构建方式

LENVIZ数据集通过采用三款不同的CMOS图像传感器，在自然低光环境下采集了24,082个真实场景，构建了一个包含234,688帧图像的大规模多曝光基准数据集。数据采集过程严格遵循科学流程，通过精确控制ISO感光度、曝光时间和光圈等相机参数，并采用基于相机参数的lux估计算法量化场景照度。每个场景提供9种不同曝光帧和1张长曝光帧，为单帧和多帧低光增强算法研究提供了丰富素材。为确保数据质量，所有多曝光低光场景均由专业摄影师精心编辑生成高质量人工标注真值。

特点

作为当前领域内最大的公开基准数据集，LENVIZ具有四大核心特征：其一是覆盖极端低光（lux≈0）至黄昏场景的广谱照度条件；其二是包含室内居住区、专业影棚与城市乡村等多样化场景类型；其三是采用14种肤色人偶和超现实模型确保肤色准确表征；其四是整合230个物体标签的元数据标注体系。特别值得注意的是，数据集提供的ISP调校JPEG图像避免了常规相机后处理算法的影响，保留了传感器原始噪声特征，这对开发具有设备泛化能力的增强算法至关重要。

使用方法

该数据集支持端到端的低光图像增强模型训练，研究者可采用EV-20低曝光帧作为单帧方法输入，或组合EV-20与EV0帧作为多曝光方法输入。测试集分为含人工真值的参考分区（610帧）和无参考分区（858帧），支持定量指标（PSNR/SSIM/LPIPS）与人类感知评估相结合的综合验证。为充分发挥数据价值，建议在训练时注意：长曝光帧曝光时间遵循lux值分段计算规则，且不同传感器（前摄S5K4H7YX03-FGX9与后摄S5KJN1SQ03/S5KJNS）具有差异化的光学特性，需针对性设计数据增强策略。

背景与挑战

背景概述

LENVIZ数据集是由Lenovo Research和Lehigh University等机构的研究团队于2025年推出的高分辨率低曝光夜视基准数据集，旨在解决低光照环境下图像增强的关键挑战。该数据集包含超过23万帧图像，涵盖2.4万真实室内外场景，采用3种不同相机传感器采集，提供高达4K分辨率的多曝光帧序列及专业摄影师编辑的高质量地面真值图像。作为当前领域规模最大、场景最丰富的公开数据集，LENVIZ通过精确的光照强度计算（lux值）和标准化的曝光控制方法，为自动驾驶、夜视监控等应用提供了重要的研究基础。其创新性地引入14种肤色人偶和超现实模型，增强了数据在人类主体表征方面的多样性。

当前挑战

在领域问题层面，LENVIZ需解决低光照图像增强中的三大核心挑战：极端光照条件下的噪声抑制（0-20lux范围）、多曝光帧的动态范围重建，以及ISP处理后细节与色彩的平衡恢复。数据构建过程面临双重困难：技术层面需克服多传感器同步采集的硬件校准难题，确保不同相机模块（S5K4H7YX03-FGX9等）在统一lux计算体系下的数据一致性；质量控制层面则需处理长曝光帧的运动模糊消除，以及专业级地面真值标注中主观评价与客观指标的平衡问题。此外，数据集还需解决现实场景中混合光源（LED/自然光）和突发性光照变化带来的域适应挑战。

常用场景

经典使用场景

LENVIZ数据集作为高分辨率低曝光夜视基准数据集，广泛应用于低光照图像增强领域的研究。其包含的23万帧真实室内外场景图像，覆盖了复杂的光照条件和噪声水平，为算法开发提供了丰富的训练和测试素材。特别是在多曝光图像融合和单帧低光增强任务中，LENVIZ通过提供9种不同曝光帧和长曝光参考图像，成为评估算法鲁棒性和泛化能力的黄金标准。

实际应用

在实际应用层面，LENVIZ数据集支撑了智能安防、自动驾驶和移动摄影等关键领域的技术突破。基于该数据集训练的模型已成功应用于夜间监控系统的图像清晰化处理，显著提升了低照度环境下的人脸识别准确率。在智能手机摄影领域，其多曝光融合方案被用于改进夜间模式成像质量，使终端设备能够产出更自然明亮的低光照片。

衍生相关工作

围绕LENVIZ数据集已衍生出多项创新性研究，包括Zero-DCE++的实时增强框架、LLFormer的注意力机制改进以及ExpoMamba的新型架构设计。这些工作通过利用数据集的丰富曝光信息和传感器特性，在PSNR和LPIPS等指标上实现了显著提升。特别值得注意的是MobileMEF等轻量级网络的提出，直接针对数据集包含的移动端传感器特性进行优化，推动了边缘设备上的低光增强技术发展。