CL3AN

CL3AN是一个大规模的高分辨率数据集，旨在促进从多色光源下捕获的图像恢复到其环境归一化对应物。该数据集包含了在多种有色定向光下捕获的高分辨率场景，以及环境归一化参考图像。每个场景三重奏包括超出白平衡照明、有色照明和一个漫反射照明下的真实场景，使系统能够系统地研究照明效果，如自阴影、高光、眩光区域、颜色溢出或饱和度以及其他材料依赖性伪影。数据集共包含105个场景，每个场景都有白光、有色光和漫反射光三种照明条件下的图像，以及相应的环境归一化图像。数据集以RAW和RGB图像格式提供，分辨率为24MP，并分为训练、验证和测试三个部分。

CL3AN is a large-scale high-resolution dataset designed to facilitate the recovery of images captured under multi-color light sources to their environment-normalized counterparts. This dataset contains high-resolution scenes captured under various colored directional lights, along with environment-normalized reference images. Each scene triplet includes real scenes captured under three illumination conditions: white-balanced lighting, colored lighting, and diffuse lighting, enabling systems to systematically study lighting effects such as self-shadows, highlights, glare regions, color bleeding or saturation, and other material-dependent artifacts. The dataset includes a total of 105 scenes, each with images captured under three illumination conditions (white light, colored light, and diffuse light) as well as corresponding environment-normalized images. The dataset is provided in both RAW and RGB image formats, with a resolution of 24MP, and is split into three subsets: training, validation, and testing.

搜集汇总

数据集介绍

构建方式

CL3AN数据集通过专业摄影棚环境构建，采用双光源系统分别捕获均匀漫射光照和直接光照下的场景图像。数据采集过程中使用三脚架固定的佳能R6MKII相机保持参数一致，确保像素级对齐。直接照明系统采用三组可编程RGB光源，通过调整颜色、强度、位置和方向参数，模拟非均匀彩色光照条件；漫射环境照明系统由五个白色柔光箱组成，几乎消除了自阴影干扰。数据集包含105个复杂场景的RAW和RGB格式图像，分辨率达24MP，并按照内容划分为训练集、验证集和测试集。

特点

作为首个支持多RGB光源研究的标准化数据集，CL3AN创新性地提供了同一场景在白光对齐照明、可变强度彩色照明及漫射环境光照下的三重对应图像。其核心价值在于完整呈现复杂材料（导体与电介质）在非均匀彩色光照下的自阴影、高光、眩光等交互效应，并通过专业色彩校准确保光照系统的参数可追溯性。数据集涵盖丰富的材质透明度、色彩和表面粗糙度变化，测试集与验证集均包含训练阶段未见的物体，有效验证模型的泛化能力。

使用方法

该数据集主要服务于环境光照归一化（ALN）算法的开发与评估，研究者可通过端到端训练将彩色光照图像映射至环境标准化版本。使用时应充分利用其三重图像特性：将彩色/白光照明图像作为输入，对应漫射光照图像作为真值。建议采用HSV色彩空间分解策略，其中明度通道（V）指导光照补偿，色相饱和度（HS）驱动反射率校正。对于跨域验证，可将CL3AN与AMBIENT6K等白光照数据集联合训练，以增强模型在混合光照条件下的鲁棒性。

背景与挑战

背景概述

CL3AN数据集由维尔茨堡大学计算机视觉实验室的Florin-Alexandru Vasluianu等研究人员于2025年提出，旨在解决复杂光照条件下图像恢复的核心问题。该数据集首次系统性地捕捉了多色光源场景下的高分辨率图像，并提供了环境光归一化的参考图像，填补了计算机视觉领域在非均匀彩色光照建模方面的空白。作为环境光归一化（ALN）研究的重要基准，CL3AN通过专业摄影棚采集的105组包含导体/电介质材料的场景数据，推动了光照解耦、材质反射分析等计算机视觉基础问题的研究进展。

当前挑战

CL3AN数据集面临双重挑战：在领域问题层面，现有方法难以精确解耦光照与反射率特性，导致色彩失真、纹理泄漏等伪影，尤其在多色非均匀光照场景中表现显著；在构建层面，需克服专业摄影环境搭建、多光源同步控制、跨设备色彩校准等技术难点，同时确保RAW与RGB格式的24MP高分辨率数据对齐。数据集还需解决材质反射多样性、自阴影几何复杂性等现实场景的精确建模问题，这对光照归一化算法的泛化能力提出了更高要求。

常用场景

经典使用场景

在计算机视觉领域，CL3AN数据集为研究多色光源环境下的环境光照归一化问题提供了重要支持。该数据集通过高分辨率场景的三元组（白色平衡光照、彩色光照和漫射光照参考图像），使研究者能够系统性地分析自阴影、高光、眩光区域等复杂光照效应。其典型应用包括训练和评估图像恢复模型，特别是在处理非均匀彩色光照和材质反射变化时，为算法提供了丰富的测试基准。

解决学术问题

CL3AN数据集解决了现有方法在复杂光照条件下难以分离反射率和光照的学术难题。传统方法常因假设单一白光或均匀光照而无法处理真实场景中的多光源交互问题，导致恢复图像出现色彩失真或纹理泄漏。该数据集通过提供多色光源与漫射光照的精确配对，推动了基于物理的光照-材质解耦研究，为Retinex理论等模型的优化提供了数据基础，显著提升了光照归一化任务的鲁棒性。

衍生相关工作

围绕CL3AN数据集衍生的经典工作包括RLN2算法，该框架通过HSV空间分离反射率与光照分量，成为环境光照归一化的新基准。此外，基于该数据集的跨域特征融合注意力机制（CDFFA）启发了后续频域增强方法，如FFTFormer和IFBlend的改进。这些工作共同推动了阴影去除、白平衡校正等任务的联合优化，形成多任务图像恢复的技术生态。