Recaptured Raw Video Denoising Dataset (ReCRVD Dataset)

我们提出通过在4K屏幕上顺序显示现有高分辨率视频帧并重新捕捉屏幕内容来捕捉噪声-干净对。数据集包含120个场景，分为训练集（90个场景）和测试集（30个场景），涵盖五种不同的ISO级别，范围从1600到25600。

We propose capturing noise-clean pairs by sequentially displaying existing high-resolution video frames on a 4K screen and re-capturing the screen content. The dataset comprises 120 scenes, divided into a training set (90 scenes) and a test set (30 scenes), covering five different ISO levels ranging from 1600 to 25600.

原始信息汇总

数据集概述

数据集名称

• Recaptured Raw Video Denoising Dataset (ReCRVD Dataset)

数据集内容

• 包含120个场景的噪声-干净视频对。
• 通过在4K屏幕上顺序显示现有高分辨率视频帧并重新捕捉屏幕内容来获取数据。

数据集划分

• 训练集：90个场景
• 测试集：30个场景

数据集下载

• Google Drive：链接
• MEGA：链接
• Baidu Netdisk：链接 (提取码: ogyw)

数据集使用

• 数据可视化可通过"isp_matlab"文件夹中的代码或使用RViDeNet中的ISP模块实现。

搜集汇总

数据集介绍

构建方式

在构建Recaptured Raw Video Denoising Dataset (ReCRVD Dataset)时，研究团队采用了一种创新的方法，即通过在4K屏幕上连续播放高分辨率视频帧，并重新捕捉屏幕内容来生成噪声-清晰对。这种方法确保了数据集中的噪声和清晰视频帧之间的直接对应关系，从而为视频去噪任务提供了高质量的训练和测试数据。

特点

ReCRVD Dataset的显著特点在于其包含了120个场景，这些场景在五个不同的ISO级别（从1600到25600）下被捕捉，从而覆盖了广泛的噪声水平。数据集被细分为90个训练场景和30个测试场景，确保了训练和评估阶段的有效分离。此外，数据集的多样性和规模使其成为视频去噪研究中的一个重要基准。

使用方法

使用ReCRVD Dataset时，用户可以通过提供的链接从Google Drive、MEGA或Baidu Netdisk下载数据集。数据集的训练和测试场景分别列在train.txt和test.txt文件中，便于用户进行数据分割。此外，用户可以使用文件夹'isp_matlab'中的代码或RViDeNet中的ISP模块来可视化数据，从而更好地理解和利用数据集进行视频去噪模型的训练和评估。

背景与挑战

背景概述

Recaptured Raw Video Denoising Dataset (ReCRVD Dataset) 是由Huanjing Yue、Cong Cao、Lei Liao和Jingyu Yang等研究人员创建的，旨在解决高效原始视频去噪问题。该数据集通过在4K屏幕上连续播放高分辨率视频帧并重新捕捉屏幕内容，生成噪声-干净视频对。ReCRVD Dataset包含120个场景，涵盖五个不同的ISO级别，从1600到25600，其中90个场景用于训练，30个场景用于测试。该数据集的创建不仅为视频去噪领域提供了新的基准，还推动了相关算法的发展和优化。

当前挑战

ReCRVD Dataset在构建过程中面临多项挑战。首先，生成高质量的噪声-干净视频对需要精确的设备和环境控制，确保数据的准确性和一致性。其次，数据集的多样性和覆盖范围要求广泛的视频内容和多样的ISO设置，增加了数据采集的复杂性。此外，如何有效地划分训练集和测试集，以确保模型的泛化能力，也是一个重要的挑战。这些挑战不仅影响了数据集的质量，也对后续算法的性能提出了更高的要求。

常用场景

经典使用场景

在视频处理领域，Recaptured Raw Video Denoising Dataset (ReCRVD Dataset) 被广泛应用于视频去噪技术的研究与开发。该数据集通过在4K屏幕上显示高分辨率视频帧并重新捕捉屏幕内容，生成了噪声与清晰视频帧对，为研究人员提供了一个高质量的基准数据集。这一方法不仅模拟了真实世界的噪声环境，还确保了数据集的多样性和复杂性，使得基于此数据集的模型能够有效应对各种实际应用中的去噪挑战。

解决学术问题

ReCRVD Dataset 解决了视频去噪领域中数据稀缺和噪声模拟不真实的问题。传统数据集往往难以覆盖多种噪声类型和强度，而ReCRVD Dataset通过多ISO级别的捕捉，提供了丰富的噪声样本，使得研究人员能够开发出更具鲁棒性和泛化能力的去噪算法。此外，该数据集的分场景训练和测试划分，有助于评估模型在不同环境下的表现，推动了视频去噪技术的学术研究进展。

衍生相关工作

ReCRVD Dataset 的发布催生了多项相关研究工作，特别是在视频去噪和图像处理领域。例如，基于该数据集，研究人员开发了多种去噪算法，如RViDeformer，显著提升了视频去噪的效率和效果。此外，该数据集还被用于验证其他图像处理技术的有效性，如图像增强和超分辨率技术。这些研究不仅推动了视频处理技术的发展，也为相关领域的实际应用提供了理论和实践基础。