Live2K

Live2K是一个真实世界数据集，包含2,042个Live Photos，用于研究Live Photo封面帧重选和增强任务。每个样本包括高质量目标帧、原始高质量封面图像作为参考，以及九个低质量相邻视频帧。Live2K is a real-world dataset containing 2,042 Live Photos, intended for research on Live Photo cover frame reselection and enhancement tasks. Each sample comprises high-quality target frames, the original high-quality cover image as a reference, and nine low-quality adjacent video frames.

原始信息汇总

数据集概述

数据集名称：Live2K

数据集来源

Live2K 来源于论文 Perceiving Better Moments: Cover Frame Reselection and Enhancement for Live Photos with the Live2K Dataset，被 ECCV 2026 接收。该数据集由电子科技大学视觉学习实验室（CVL-UESTC）构建。

数据集规模与内容

• 样本数量：包含 2,042 张 Live Photos（实况照片）。
• 数据构成：每张 Live Photo 由三部分组成：
  • gt.png：高质量的目标帧（封面帧）。
  • ref.png：原始高质量参考封面图像。
  • lq_sequence/：9 张低质量的相邻视频帧，按时间顺序排列。

研究任务

本数据集用于研究 Live Photo 封面帧重新选择与增强（LPRE） 任务：

• 输入：用户重新选择的低质量帧、其相邻视频帧、以及原始高质量封面图像作为参考。
• 目标：重建一张高质量的新封面帧，改善细节、色彩和动态范围。

数据集结构

数据集按照以下目录结构组织：

text Live2K_root/ ├── 000001/ │ ├── gt.png │ ├── ref.png │ └── lq_sequence/ │ ├── 000.png │ ├── 001.png │ ├── ... │ └── 008.png ├── 000002/ │ ├── gt.png │ ├── ref.png │ └── lq_sequence/ │ ├── 000.png │ ├── ... │ └── 008.png └── ...

下载方式

数据集可通过百度网盘下载，提取码为 sprq：

• 下载链接：https://pan.baidu.com/s/1gMonGcy5Nnt7ES4Ps6LQIQ?pwd=sprq
• 完整数据集将后续发布。

使用与引用

• 关键词：Live Photo, image enhancement, image super-resolution, cover frame reselection, Live2K。
• 引用：若该数据集对您的研究有帮助，请引用论文 Perceiving Better Moments: Cover Frame Reselection and Enhancement for Live Photos with the Live2K Dataset（作者：Junyu Lou, Kai Chen, Weiyi You, Hui Zeng, Lei Zhang, Shuhang Gu）。

搜集汇总

数据集介绍

构建方式

Live2K数据集由2,042张实况照片构成，每张照片包含一张经由完整计算摄影管线处理的高质量封面图像、一段包含低分辨率且色彩不一致的视频帧序列，以及用户从视频帧中重新选取的低质量候选帧。数据集以独立子文件夹形式组织，每个子文件夹下存放高分辨率目标帧、原始封面参考帧及九个按时间排序的低质量相邻视频帧。这些实况照片采集自真实智能手机拍摄场景，覆盖了丰富多样的环境与光照条件。

特点

Live2K数据集的核心优势在于其真实世界属性与任务导向性。它首次系统性地为实况照片封面帧重选与增强任务提供大规模基准，不仅包含常规的高-低质量图像对，更引入了多帧时序上下文与封面引导信息。每个样本配备的九帧低质量序列允许模型利用相邻帧间的运动线索进行联合增强，而原始高质量封面帧则作为色彩与细节恢复的强先验。数据集的构建范式精准反映了实际拍摄中封面与视频帧经不同成像流水线处理的本质差异。

使用方法

用户需将下载的数据集按指定目录结构存放，随后在训练和测试配置文件中更新数据根路径。项目基于PyTorch实现，提供完整的训练与测试流程：通过分布式训练脚本在Apple或OPPO设备子集上启动模型学习，支持多卡并行；测试阶段可加载预训练权重对低质量帧进行增强，并输出恢复后的封面帧。代码仓库还包含了速度评估脚本与详细的配置选项，便于研究者复现实验或进行方法改进。

背景与挑战

背景概述

在移动摄影领域，Live Photos作为一种融合静态图像与动态短片的独特媒介，自Apple公司于2015年推出后便逐渐普及。然而，其成像管线的固有设计——封面图像经过完整的计算摄影流程以获得高画质，而视频帧序列则因分辨率受限、压缩严重及色彩不一致而质量显著劣化——导致用户在重选视频帧作为封面时面临画质骤降的困境。为应对这一挑战，电子科技大学计算机视觉实验室的Lou Junyu等研究者于2026年在ECCV上正式提出了Live2K数据集，旨在系统性地研究Live Photos封面帧重选与增强（LPRE）任务。该数据集包含2,042组真实场景下的Live Photo样本，每组样本提供高质量的目标帧、原始参考封面图像以及九帧低质量相邻视频序列，为开发参考引导的细节恢复、色彩校正与动态范围重建算法奠定了坚实的数据基础，在移动影像增强领域具有开创性意义。

当前挑战

Live2K数据集所应对的核心挑战在于弥合Live Photos中封面图像与视频帧之间因成像管线差异造成的巨大画质鸿沟。具体而言，领域挑战体现在：如何从低分辨率、高压缩、色彩失准的候选帧中，借助参考封面图像的有效引导，同时实现精细纹理重建、颜色一致性校正与宽动态范围恢复，这一复合型任务远超传统的单帧超分或色彩增强问题。构建过程的挑战同样严峻：由于真实手机Live Photos的采集涉及Apple与OPPO等多品牌设备的差异化管线，且需要对每一场景同步录制高质封面与低质视频序列，构建团队不仅需要设计精密的同步触发机制与光照稳定环境，还需人工筛选并剔除因运动模糊、对焦偏差或曝光异常导致的无效样本，最终从海量原始数据中提炼出2,042组严格对齐、标注权威的高质量配对数据，工作量极为庞大。

常用场景

经典使用场景

Live2K数据集专为实况照片封面帧重选与增强（LPRE）任务而设计，其经典使用场景聚焦于智能手机实况摄影领域。在该场景下，用户从一段低质量的视频帧序列中重新选择封面帧时，该帧往往因分辨率低、色彩偏差和动态范围不足而显著劣于原始高质量封面。Live2K通过提供2042组精心配对的实况照片样本，每组包含高质量目标帧、原始参考封面帧及9帧连续低质量视频序列，为模型学习如何基于参考信息对重选帧进行细节恢复、色彩校正和超分辨率重建提供了标准化训练与评估平台。该数据集明确区分了不同手机成像管道的差异，覆盖iPhone与OPPO设备采集的多样场景，使得研究者能够在统一框架下验证多帧时序融合、参考引导增强等算法的有效性，成为实况摄影增强领域不可或缺的基准资源。

实际应用

在实际应用层面，Live2K数据集直接服务于智能手机成像系统的用户体验优化。当用户从实况照片的视频片段中选取某一瞬间作为新封面时，所选帧因未经过完整计算摄影流程而质量欠佳，Live2K所训练的模型可实时将该低质量帧提升至接近原始封面水准，使瞬间抓拍的珍贵画面也能获得高清、色彩饱满的呈现。这一技术可无缝集成于手机相册应用、第三方摄影编辑软件和社交平台的内容处理流水线中，显著提升用户对动态瞬间的二次创作自由度。此外，该数据集支撑的算法能自适应不同品牌手机的成像特性，为Apple、OPPO等设备提供定制化的增强方案。长远来看，Live2K的研究成果还能拓展至监控视频关键帧提取、短视频封面生成等更广泛的场景，帮助用户在各类视频源中自由选取并优化最佳画面，从而在消费电子与内容创作领域产生广泛而深远的实用价值。

衍生相关工作

Live2K数据集的发布催生了一系列具有影响力的衍生研究工作。围绕其所定义的LPRE任务，研究者基于其提供的统一基准模型（融合多帧时序融合、封面引导色彩增强与参考引导超分辨率），开展了多方向拓展：部分工作探索了更高效的特征对齐与注意力机制，以提升参考帧与低质量序列间的跨帧信息融合精度；另一些研究则引入生成对抗网络或扩散模型来进一步增强细节的逼真度与自然感。在方法层面，轻量化网络设计成为热点，旨在满足移动端的实时推理需求。此外，Live2K的规范数据格式与评估协议也被后续数据集借鉴，推动了实况摄影增强领域评价体系的标准化。这些衍生工作不仅在计算机视觉顶级会议上持续涌现，还促进了工业界与学术界的协同创新，使得封面帧重选增强从单一任务演变为融合图像复原、视频增强与移动计算等多方面的综合研究范式。