UHDRR4K, UHDRR8K

UHDRR4K和UHDRR8K是南京理工大学计算机科学与工程学院创建的两个大规模UHD图像数据集，用于单图像反射移除任务。UHDRR4K包含3167张4K分辨率图像，UHDRR8K包含1119张8K分辨率图像，每个样本由传输层、反射层、反射掩模层和混合层组成。数据集通过随机高斯平滑内核处理反射层来模拟模糊反射，旨在解决UHD图像中的反射问题，为深度学习模型提供高质量的训练和测试数据，推动计算摄影和计算机视觉任务的发展。

UHDRR4K and UHDRR8K are two large-scale UHD image datasets created by the School of Computer Science and Engineering, Nanjing University of Science and Technology, for single-image reflection removal tasks. UHDRR4K contains 3,167 4K-resolution images, while UHDRR8K includes 1,119 8K-resolution images. Each sample consists of a transmission layer, a reflection layer, a reflection mask layer and a mixed layer. The dataset simulates blurry reflections by processing the reflection layer with random Gaussian smoothing kernels, aiming to solve the reflection problem in UHD images, provide high-quality training and testing data for deep learning models, and promote the development of computational photography and computer vision tasks.

搜集汇总

数据集介绍

构建方式

在超高清图像反射去除领域，数据集的构建需兼顾物理真实性与规模效应。UHDRR4K与UHDRR8K数据集采用合成方法生成，其核心流程遵循相机成像的光学原理。首先，从超高清图像库中选取高质量图像，随机划分为传输层与反射层。为模拟玻璃反射导致的离焦效应，对反射层施加随机高斯平滑核处理，生成反射掩膜层。随后，通过线性混合公式将传输层与反射掩膜层融合，其中混合系数α为随机常数，以模拟不同强度的反射干扰。最终，每个样本构成包含传输图像、反射图像、反射掩膜图像及混合图像的四元组，确保了数据在物理层面的合理性与多样性。

特点

该数据集在超高清反射去除研究中具有里程碑意义，其最显著的特征在于空前的分辨率规模。UHDRR4K包含3167个四元组，图像分辨率统一为3840×2160；UHDRR8K则包含1119个四元组，分辨率高达7680×4320，二者均为目前该领域最大规模的超高清基准数据集。每个样本不仅提供混合图像与真实传输层，还包含反射层与经过物理模拟的反射掩膜层，以及精确的混合系数，为模型训练提供了多层次监督信号。数据覆盖室内外多样场景，且经过严格质量筛选，剔除了模糊或光照不佳的图像，保证了数据的高保真度与挑战性。

使用方法

该数据集主要用于训练与评估超高清单图像反射去除模型。在使用时，通常将混合图像作为模型输入，传输层图像作为监督目标。对于UHDRR8K等高分辨率数据，为适应显存限制，可在训练阶段随机裁剪为256×256的图块进行学习；在测试阶段，对于4K图像可直接输入，8K图像则可分割为不重叠的4K子图进行处理后再拼接。评估指标常采用峰值信噪比与结构相似性指数，以量化重建质量。数据集中提供的反射掩膜层与混合系数可作为额外的物理约束或辅助信息，融入损失函数设计，以提升模型的解耦能力与物理可解释性。

背景与挑战

背景概述

随着现代成像设备日益普及，超高清图像在计算摄影学领域的重要性愈发凸显。单图像反射去除作为一项关键的图像恢复任务，旨在从混合图像中分离出清晰的透射层，对提升图像质量及辅助下游计算机视觉任务具有深远意义。2023年，南京理工大学等机构的研究团队针对现有方法在超高清图像上性能不明确的问题，开创性地构建了UHDRR4K与UHDRR8K数据集。这两个数据集分别包含数千组四元组图像，涵盖室内外多样化场景，首次为超高清反射去除研究提供了大规模基准数据，推动了该领域向更高分辨率图像处理方向演进。

当前挑战

在超高清反射去除领域，核心挑战在于现有模型难以有效处理4K与8K分辨率图像中的复杂反射模式，因其需要建模更精细的纹理细节与更大范围的上下文依赖。数据构建过程中，合成符合物理成像规律的反射掩膜层是一大难点，需通过随机高斯平滑核模拟玻璃反射导致的离焦模糊效应，并精确控制透射层与反射层的混合权重以保持真实性。此外，确保数据集的多样性与质量，需从海量超高清源图像中筛选背景清晰、光照条件良好的样本，并设计合理的训练测试划分以支撑模型泛化能力评估。

常用场景

经典使用场景

在计算机视觉领域，单图像反射去除任务旨在从混合图像中恢复清晰的透射层，以提升图像质量并支持下游视觉任务。UHDRR4K和UHDRR8K数据集作为首个大规模超高清反射去除基准，其经典使用场景集中于评估和训练深度学习模型在4K与8K分辨率图像上的反射去除性能。这些数据集通过合成方法生成包含透射层、反射层、反射掩码层及混合层的四元组图像，为模型提供了高分辨率且多样化的训练与测试样本，推动了超高清图像处理技术的发展。

解决学术问题

该数据集解决了单图像反射去除领域长期存在的超高清图像处理空白问题。传统反射去除方法多聚焦于高清或标清图像，缺乏针对4K和8K等超高清分辨率的专门基准，导致模型在超高清场景下的性能评估不足。UHDRR数据集通过提供大规模、高分辨率的合成图像，使研究者能够系统评估现有方法的局限性，并设计更高效的网络架构。其意义在于填补了超高清反射去除研究的空白，为后续工作提供了可靠的实验基础，促进了该领域向更高分辨率应用的拓展。

衍生相关工作

基于UHDRR数据集，研究者提出了RRFormer这一基于Transformer的反射去除架构，该模型整合了预处理嵌入模块、自注意力特征提取模块和多尺度空间特征提取模块，在超高清图像上实现了先进的性能。此外，该数据集还催生了对现有SIRR方法（如BDN、IBCLN等）在超高清场景下的系统性评估，揭示了这些方法在高分辨率图像处理中的局限性。这些工作不仅推动了反射去除算法的创新，也为超高清图像恢复领域的后续研究提供了重要的基准和方向。