rgb2raw

NTIRE 2025 RGB2RAW数据集包含来自iPhoneX、SamsungS9和Samsung21三种智能手机的图像，可用于重建RAW图像、学习ISP处理、训练降噪器等多种任务。数据集中的RAW图像遵循Bayer Pattern RGGB格式，并已进行白平衡校正。图像包括室内外、昼夜、不同ISO和快门速度等级的场景。

The NTIRE 2025 RGB2RAW Dataset comprises images captured using three smartphone models: iPhoneX, Samsung S9, and Samsung 21. It supports multiple downstream tasks including RAW image reconstruction, ISP (Image Signal Processing) learning, and denoiser training, among others. The RAW images in the dataset adhere to the Bayer Pattern RGGB format and have undergone white balance correction. The dataset covers diverse scenarios including indoor and outdoor environments, day and night conditions, as well as varying ISO sensitivities and shutter speed levels.

搜集汇总

数据集介绍

构建方式

该数据集名为NTIRE 2025 RGB2RAW，其构建基于三种智能手机（iPhoneX、SamsungS9和Samsung21）所拍摄的图像。数据集包含标准化的Bayer Pattern RGGB格式的RAW图像，并已经过白平衡校正。图像被分割成多个`512x512x4`尺寸的块，对应的RGB图像为`1024x1024x3`。每张RAW图像都有与之关联的元数据文件。构建过程中，为了保持精度同时减小文件大小，图像被保存为`uint16`格式。

特点

数据集的特点在于其涵盖了室内外、昼夜不同场景，以及不同的ISO和快门速度级别。它不仅提供了用于NTIRE 2025挑战的验证RGB图像，还包括了大量的RAW-RGB图像对，便于进行图像处理任务如RAW图像重建、ISP学习、图像去噪等。所有RGB图像均以无损PNG格式保存，确保了图像质量。

使用方法

使用该数据集时，可以通过提供的代码加载RAW图像，并转换为浮点数格式以供模型使用。同时，用户可以加载关联的元数据文件以获取更多图像信息。数据集的使用不仅限于比赛，亦可用于学术研究和商业应用，遵循MIT许可证。

背景与挑战

背景概述

RGB2RAW数据集，全称为NTIRE 2025 RGB2RAW Dataset，是在图像处理与低层次视觉研究领域具有重要影响力的数据集。该数据集由Marcos V Conde, Florin Vasluianu和Radu Timofte等研究人员于2024年创建，旨在推动深度学习在盲RAW图像恢复和超分辨率方面的应用。数据集包含来自iPhoneX、SamsungS9和Samsung21三种智能手机的图像，可用于重构RAW图像、学习ISP处理、图像去噪等多种任务。其标准化至Bayer Pattern RGGB格式，并进行白平衡校正，为相关领域的研究提供了宝贵的资源。

当前挑战

该数据集在构建过程中面临的挑战主要包括：如何精确地从sRGB图像重构RAW图像，以模拟手机ISP的输出；如何在保持高精度的同时，优化数据存储大小；以及如何通过深度学习技术处理不同场景（室内/室外、白天/夜晚、不同ISO和快门速度）下的图像。此外，数据集的使用者需要克服如何在比赛中提交符合要求的重构RAW图像的挑战，以及如何有效利用数据集中的元数据以优化模型训练等难题。

常用场景

经典使用场景

在图像处理与计算机视觉领域，RGB2RAW数据集被广泛应用于从标准RGB图像重构原始RAW图像的研究。该数据集包含来自iPhoneX、SamsungS9和Samsung21三种智能手机的图像，支持诸如学习图像信号处理器(ISP)以处理RAW图像至RGB格式、对RAW图像添加噪声以训练去噪器等多种任务，是图像质量提升和图像处理算法研究的经典资源。

解决学术问题

该数据集解决了图像处理中RAW与RGB格式转换的学术难题，为研究人员提供了一种评估图像重构、ISP模拟和图像去噪算法性能的标准方法。其标准化和预处理后的数据格式，有助于深度学习模型在低级视觉任务中的训练和验证，推动了图像重建和视觉质量提升相关研究的进展。

衍生相关工作

基于RGB2RAW数据集，已衍生出多项相关工作，如Efficient Deep Blind Raw Image Restoration和BSRAW: Improving blind raw image super-resolution等。这些研究在图像重建、超分辨率和盲去噪等方面取得了显著进展，为图像处理领域的发展贡献了新的理论和实践成果。