yuukicammy/MIT-Adobe-FiveK

MIT-Adobe FiveK数据集是一个公开可用的数据集，包含5000张DNG格式的RAW图像，每张图像由五位专家修饰，生成25,000张TIFF格式的图像（每通道16位，ProPhoto RGB色彩空间，无损压缩）。数据集还包含每张图像的语义信息。该数据集由MIT和Adobe Systems, Inc.创建，旨在为图像处理算法提供多样化和具有挑战性的测试集。图像涵盖了多种场景，包括风景、肖像、静物和建筑，并且在光照条件、色彩平衡和曝光方面也有所不同。

The MIT-Adobe FiveK Dataset is a publicly available dataset containing 5,000 RAW images in DNG format. Each image was retouched by five experts, resulting in 25,000 TIFF-format images (16-bit per channel, ProPhoto RGB color space, lossless compression). The dataset also includes semantic information for each image. Developed by MIT and Adobe Systems, Inc., this dataset aims to provide a diverse and challenging test set for image processing algorithms. The images cover diverse scenarios including landscapes, portraits, still lifes, and architecture, and vary in lighting conditions, color balance, and exposure.

原始信息汇总

数据集概述

名称: MIT-Adobe FiveK Dataset

任务类别:

• image-to-image

标签:

• RAW
• raw
• DNG
• dng
• denoising
• superresolution
• underexposure
• overexposure

美观名称: fiveK

大小类别:

• 1K<n<10K

数据集内容

1. 原始图像: 5,000张RAW图像，格式为DNG。
2. 专家修饰图像: 每张RAW图像由五位专家修饰，共产生25,000张TIFF格式的图像。这些图像具有以下特性：
   • 16位每通道
   • ProPhoto RGB颜色空间
   • 无损压缩
3. 语义信息: 每张图像附带的语义信息，包括拍摄位置、时间、光照条件和主题等。

数据集用途

该数据集由MIT和Adobe Systems, Inc.创建，旨在为测试图像处理算法提供多样化和具有挑战性的图像集。图像涵盖多种场景，如风景、人像、静物和建筑，并包含不同的光照条件、颜色平衡和曝光设置。

数据集结构

数据集结构复杂，但本仓库提供了工具以便于下载和使用。每个样本包括原始DNG图像和五位专家的修饰版本，以及详细的语义信息和相机型号。

示例数据

Raw (DNG)	Expert A	Expert B	Expert C	Expert D	Expert E	Categories	Camera Model
a0001-jmac_DSC1459.dng						{"location":"outdoor","time": "day","light": "sun_sky","subject": "nature"}	Nikon D70
a1384-dvf_095.dng						{ "location": "outdoor", "time": "day", "light": "sun_sky", "subject": "nature" }	Leica M8
a4607-050801_080948__I2E5512.dng						{ "location": "indoor", "time": "day", "light": "artificial", "subject": "people" }	Canon EOS-1D Mark II

搜集汇总

数据集介绍

构建方式

MIT-Adobe FiveK数据集是由MIT和Adobe Systems, Inc.共同创建的，旨在为测试图像处理算法提供一系列多样化和具有挑战性的图像。该数据集的构建通过精选5000张RAW格式（DNG）的原始图像，并伴有每位专家对其修图后的TIFF格式图像，共计25000张，这些图像覆盖了风景、肖像、静物和建筑等多种场景，并且在照明条件、色彩平衡和曝光度上都有所变化。

特点

该数据集的特点在于其包含了大量的原始图像以及对应的专家修图版本，为图像处理领域中的降噪、超分辨率、曝光修正等任务提供了丰富的实验素材。此外，数据集的结构复杂，但提供了相应的工具以便于下载和使用，支持多种图像处理算法的验证和比较。

使用方法

使用该数据集时，用户可以通过提供的Python代码轻松下载，并利用Pytorch的DataLoader进行迭代式数据获取。特别需要注意的是，在使用DataLoader时必须设置`batch_size`为`None`以禁用自动批处理。此外，数据集支持多进程处理，以提高数据处理效率。

背景与挑战

背景概述

MIT-Adobe FiveK数据集，由麻省理工学院（MIT）与Adobe Systems, Inc.共同创建，旨在为图像处理算法的测试提供一系列多样化且具有挑战性的图像。该数据集包含了5,000张DNG格式的RAW图像，以及由五位专家以TIFF格式处理过的相应图像，总计25,000张。这些图像涵盖了风景、人像、静物和建筑等多种场景，并在光线条件、色彩平衡及曝光度上展现出多样性。自2011年以来，该数据集已被广泛应用于图像处理领域，如全局色调调整、去噪、超分辨率等研究，对相关领域产生了重要影响。

当前挑战

MIT-Adobe FiveK数据集的挑战主要体现在两个方面：一是数据集的复杂结构导致处理难度大；二是图像处理任务中的挑战，如如何有效地进行去噪、超分辨率处理，以及如何处理过曝光和欠曝光等问题。此外，构建过程中，如何保持图像处理的自然性和一致性，同时确保数据集的质量和多样性，也是数据集创建者面临的重要挑战。

常用场景

经典使用场景

在图像处理领域，MIT-Adobe FiveK数据集以其5,000张RAW格式图像及其对应的专家修饰图像而成为研究者的宝贵资源。该数据集的经典使用场景主要集中于图像去噪、超分辨率以及曝光调整等算法的测试与评估。研究者通过对RAW图像进行不同处理，如添加噪声、过曝或欠曝，以模拟相机错误，进而利用这些图像训练和验证算法的有效性。

衍生相关工作

基于MIT-Adobe FiveK数据集，学术界衍生出了一系列相关研究工作。这些工作不仅涉及图像处理的基本任务，如去噪和超分辨率，还扩展到了图像风格转换、图像内容理解等更广泛的领域。这些研究成果进一步丰富了图像处理和计算机视觉领域的理论体系和技术应用。

数据集最近研究

最新研究方向

MIT-Adobe FiveK数据集作为图像处理领域的重要资源，近期研究方向主要集中于图像去噪、超分辨率以及曝光修正等任务。该数据集提供了丰富的RAW格式图像及其专家修饰版本，使得研究者能够深入探讨图像质量提升的算法，如基于深度学习的图像恢复技术。近期研究不仅关注于算法性能的提升，也着重于跨场景、跨光照条件下的泛化能力。此外，该数据集在图像处理领域的热点事件中扮演着评价标准的作用，其研究成果对于提升摄影后期处理软件的自动化水平具有重要意义。