EventRain-27K

EventRain-27K是一个关于事件相机在雨中捕获的数据集，包含了合成的KITTI和SPAC数据集，以及Prophesee EVK4记录的人工降雨和真实世界数据。数据集按照时间窗口分割，并以不同的文件类型存储，包括合成的背景+雨的数据和背景数据，以及人工降雨的标签数据。

EventRain-27K is a dataset captured by event cameras under rainy conditions. It includes synthetic KITTI and SPAC datasets, as well as artificial rainfall and real-world data recorded by the Prophesee EVK4. The dataset is partitioned by time windows and stored in multiple file types, covering synthetic background-plus-rain data, background-only data, and labeled data for artificial rainfall scenarios.

原始信息汇总

EventRain-27K 数据集概述

基本信息

• 数据集名称：EventRain-27K
• 许可证：MIT
• 标签：dataset, event-camera, neuromorphic-vision, rain

来源论文

• 标题：PRE-Mamba: A 4D State Space Model for Ultra-High-Frequent Event Camera Deraining
• 会议：ICCV, 2025
• arXiv：https://arxiv.org/abs/2505.05307

数据集描述

• 合成数据集（KITTI & SPAC）：事件流按 Δt = 0.1 s（10^8 ns 每段）分割并存储在 .npz 文件中。merge_data 目录包含背景-雨滴复合事件，raw_data 包含仅背景事件。每个 .npz 存储数组 [x, y, t, p]。
• Prophesee EVK4 录制（人工降雨和真实场景）：原始 .raw 事件流转换为 .npz 并按 Δt = 0.1 s（10^5 μs 每段）分割，具有相同键 [x, y, t, p]。对于人工降雨子集，标签通过 K-最近邻（KNN）程序生成：通过时空对齐与相应无雨数据识别雨天序列中的背景事件。标签文件以 .npy 格式提供。

数据集结构

text EventRain-27K/ ├── synthetic/
│ ├── synthetic_KITTI/synthetic/ # 分辨率：(460, 352) │ │ ├── merge_data/ # 文件类型：.npz（背景 + 雨） │ │ └── raw_data/ # 文件类型：.npz（背景） │ └── synthetic_SPAC/ # 分辨率：(640, 480) │ ├── SPAC-dataset-merge/ # 文件类型：.npz（背景 + 雨） │ └── SPAC-dataset-event/gt/ # 文件类型：.npz（背景） └── real/ ├── EVK4_artifical/ # 分辨率：(1280, 720) │ ├── scene{i:1-4}/ │ │ ├── labels/ # 文件类型：.npy（标签：0/1 >> 雨/背景） │ │ └── merge_data/ # 文件类型：.npz └── EVK4_realworld/ └── scene{i:5}/ └── merge_data/ # 文件类型：.npz

数据集使用

数据可放置在此目录下。以 SYNTHETIC_DATA 为例，数据根据时间窗口划分和处理为以下目录结构： text data/ └── synthetic/ │ └── SYNTHETIC_DATA_DIR/ │ └── synthetic/ │ ├── merge_data/ │ │ ├── 1mm/ │ │ │ ├── 0000000000.npz │ │ │ ├── ... │ │ │ └── 0000000388.npz │ │ ├── 5mm/ │ │ │ ├── 0000000000.npz │ │ │ ├── ... │ │ │ └── 0000000388.npz │ │ ├── 10mm/ │ │ │ └── ... │ │ ├── ... │ │ └── 200mm/ │ │ ├── 0000000000.npz │ │ ├── ... │ │ └── 0000000388.npz │ └── raw_data/ │ ├── 0000000000.npz │ ├── ... │ └── 0000000388.npz └── real/ └── EVK4_DATA_DIR/ # EVK4_artificial（场景 1-4）和 EVK4_realworld（场景 5） └── scene{i}/ # 以 scene1 为例 ├── merge_data/ │ ├── rain_0/ │ │ ├── 0000000000.npz │ │ ├── ... │ │ └── 0000000165.npz │ ├── rain_1/ │ │ ├── 0000000000.npz │ │ ├── ... │ │ └── 0000000182.npz │ ├── rain_2/ │ │ └── ... │ ├── ... │ └── rain_3/ │ ├── 0000000000.npz │ ├── ... │ └── 0000000166.npz └── labels/ ├── labels_rain_0/ │ ├── labels_0000000000.npy │ ├── ... │ └── labels_0000000165.npy ├── labels_rain_1/ │ ├── labels_0000000000.npy │ ├── ... │ └── labels_0000000182.npy ├── labels_rain_2/ │ └── ... ├── ... └── labels_rain_3/ ├── labels_0000000000.npy ├── ... └── labels_0000000166.npy

搜集汇总

数据集介绍

构建方式

在神经形态视觉领域，EventRain-27K数据集通过多源数据融合策略构建。合成数据部分基于KITTI和SPAC数据集，将事件流按0.1秒时间窗分割并存储为包含时空坐标和极性信息的NPZ文件。真实数据采集采用Prophesee EVK4事件相机，通过人工降雨实验和自然场景记录获取原始事件流，并运用K近邻算法对雨滴噪声与背景事件进行精确标注。

使用方法

研究人员可通过HuggingFace平台获取数据集，按照预设的目录结构组织数据文件。合成数据按雨滴强度分级存储，真实数据按场景编号分类。使用时可加载NPZ文件读取事件流的四维坐标信息，配合Numpy格式的标签文件进行模型训练。该数据集专为事件相机去雨算法设计，支持深度学习模型在合成数据上预训练，在真实数据上微调的应用范式。

背景与挑战

背景概述

事件相机作为一种新兴的神经形态视觉传感器，因其高时间分辨率与低功耗特性，在自动驾驶和机器人感知领域展现出巨大潜力。EventRain-27K数据集由研究团队于2025年ICCV会议期间推出，专门针对雨天环境下事件相机数据去雨问题构建。该数据集包含合成数据与真实世界采集数据双模态，覆盖KITTI、SPAC及Prophesee EVK4等多平台采集场景，为提升恶劣天气条件下事件相机的感知可靠性提供了关键数据支撑。

当前挑战

事件相机去雨任务面临双重挑战：在领域层面，雨滴在超高频率事件流中形成动态噪声模式，其时空特性与真实场景事件高度耦合，传统图像去雨方法难以直接迁移；数据构建过程中需解决合成数据与真实数据的域差异问题，特别是真实雨滴事件的精确标注需通过K近邻算法与无雨数据进行时空对齐，这对数据采集同步性与标注精度提出了极高要求。

常用场景

经典使用场景

在神经形态视觉领域，EventRain-27K数据集为事件相机在雨雾环境下的感知研究提供了关键支撑。该数据集通过合成数据与真实采集相结合的方式，构建了包含不同降雨强度的多场景事件流序列，广泛应用于事件去雨算法的训练与验证。研究者可利用其精确标注的雨滴噪声与背景事件分离数据，开发高效的事件信号滤波与重建模型，显著提升恶劣天气下事件相机的感知可靠性。

解决学术问题

EventRain-27K有效解决了事件相机在复杂气象条件下信号退化这一核心学术难题。通过提供大规模高精度标注的雨噪事件数据，该数据集支撑了事件去雨、信号分离与噪声建模等关键研究方向。其合成与真实数据相结合的构建范式，突破了传统方法在真实雨雾场景数据获取与标注上的瓶颈，为神经形态视觉系统的环境适应性研究提供了重要基础，推动了事件相机在自动驾驶、机器人导航等领域的实用化进程。

实际应用

该数据集的实际应用价值主要体现在提升户外智能系统在恶劣天气下的鲁棒性。基于EventRain-27K训练的去雨模型可集成于自动驾驶车辆的事件视觉系统，有效抑制雨滴对障碍物检测与跟踪的干扰。在无人机导航、监控安防等领域，该数据集支撑开发的算法能够保障事件相机在雨雾环境下的持续稳定工作，为全天候智能感知系统提供了关键技术保障。

数据集最近研究

最新研究方向

在神经形态视觉领域，EventRain-27K数据集正推动事件相机去雨技术的前沿探索。该数据集通过融合合成数据与真实世界采集的高频事件流，为基于状态空间模型的去雨算法提供了关键训练基础。当前研究聚焦于开发能够处理超高频事件流的时空建模架构，特别是结合Mamba等先进序列建模技术，以提升在恶劣天气条件下事件相机的感知鲁棒性。这一方向直接响应自动驾驶和机器人视觉系统对全天候感知能力的迫切需求，标志着神经形态视觉从实验室走向实际应用的重要突破。