FlareX

FlareX是一个物理信息数据集，用于通过2D合成和3D渲染进行镜头光晕去除。该数据集由南开大学等研究机构创建，旨在解决现有数据集缺乏光晕多样性和物理原理的问题。FlareX包含95种不同的光晕模式生成的9500个2D模板，以及从60个3D场景渲染的3000个光晕图像对。此外，还设计了一种掩模方法，从其损坏的对等物中获得现实世界的无光晕图像，以衡量模型在现实世界图像上的性能。FlareX数据集支持未来在光晕去除方面的研究，并有望解决实际场景中各种类型的光晕去除问题。

FlareX is a physics-informed dataset for lens flare removal via 2D synthesis and 3D rendering. Developed by research institutions including Nankai University, this dataset aims to address the limitations of existing datasets, which lack diverse flare patterns and physical grounding. FlareX contains 9500 2D templates generated from 95 distinct flare patterns, as well as 3000 flare image pairs rendered from 60 3D scenes. Additionally, a masking method is designed to acquire real-world flare-free images from their corrupted counterparts, enabling the evaluation of model performance on real-world images. The FlareX dataset supports future research in lens flare removal and is expected to solve various flare removal problems in practical scenarios.

原始信息汇总

FlareX数据集概述

数据集基本信息

• 数据集名称：FlareX: A Physics-Informed Dataset for Lens Flare Removal via 2D Synthesis and 3D Rendering
• 论文状态：已收录于NeurIPS 2025
• 数据集获取：https://www.kaggle.com/datasets/lishenqu/flarex

数据集特点

• 技术方法：基于物理信息的数据集，通过2D合成和3D渲染技术构建
• 应用领域：镜头光斑去除

数据集结构

数据集应放置在dataset/目录下

相关资源

• 预训练模型：https://drive.google.com/file/d/1oILbfk3ZZt_uctp1cY11Km9fWKsy0rAW/view?usp=sharing
• 论文链接：https://arxiv.org/abs/2510.09995

引用信息

bibtex @inproceedings{FlareX_lishenqu, title={FlareX: A Physics-Informed Dataset for Lens Flare Removal via 2D Synthesis and 3D Rendering}, author={Lishen, Qu and Zhihao, Liu and Jinshan, Pan and Shihao, Zhou and Jinglei, Shi and Duosheng, Chen and Jufeng, Yang}, booktitle={Advances in Neural Information Processing Systems}, year={2025} }

搜集汇总

数据集介绍

构建方式

在计算机视觉领域，镜头光晕的物理模拟一直面临真实性与多样性不足的挑战。FlareX数据集通过三阶段混合构建方法突破传统局限：首先基于Blender插件参数化生成95类光晕模板，通过调整光源强度、反射次数等物理参数衍生出9,500个模板；其次在二维合成阶段引入光照定律，结合单目深度估计动态调整光晕亮度分布；最后通过构建60个三维场景进行物理渲染，生成3,000对遵循光学原理的图像对，形成二维合成与三维渲染互补的数据体系。

特点

该数据集在光晕去除研究领域展现出多重突破性特征：其光晕模板涵盖散射型与反射型光晕，包含圆形、多边形和条纹等复杂形态，支持昼夜不同光照条件下的模拟。通过参数化控制实现多反射效应模拟，能够复现非球面光源产生的光晕现象。数据集规模达到12,500对图像，兼具物理真实性与模式多样性，其三维渲染部分通过相机轨迹设计实现多视角采集，有效解决了传统方法中光晕位置随机性过强的问题。

使用方法

针对实际应用场景，该数据集支持端到端的深度学习模型训练。研究人员可直接使用混合数据集训练去光晕网络，通过二维合成数据学习基础特征，结合三维渲染数据增强模型对物理约束的理解。特别设计的掩膜评估方法允许在真实图像中排除遮挡区域进行定量分析，配套提供的100对高分辨率真实测试集包含离屏光晕等复杂案例，支持PSNR、SSIM等多指标验证。数据集还可通过调整视场角参数适配不同相机型号，提升模型在实际部署中的鲁棒性。

背景与挑战

背景概述

在计算机视觉领域，镜头光晕现象因强光源入射引发光线散射与反射，导致图像质量显著下降，成为图像恢复任务中的关键难题。FlareX数据集由南开大学与南京理工大学等机构于2025年联合推出，通过融合参数化模板创建、光照规律感知的二维合成与物理引擎三维渲染技术，构建了包含9500个二维模板与3000组三维渲染图像的大规模数据集。该数据集突破了传统合成方法在物理真实性方面的局限，为深度学习模型在复杂真实场景中的泛化能力提供了重要支撑。

当前挑战

在解决镜头光晕消除这一核心问题时，现有方法面临合成数据与真实场景间的显著域差异，具体表现为光晕形态多样性不足与物理规律缺失导致的模型泛化瓶颈。数据集构建过程中，需克服三维光路模拟的计算复杂性、多反射效应的精确建模，以及二维合成中光照强度与空间位置的物理关联性重建等挑战。此外，真实场景配对数据的采集受限于镜头内部反射的不可逆性，需通过遮光掩模等创新方法构建可靠评估基准。

常用场景

经典使用场景

在计算机视觉领域，FlareX数据集主要应用于镜头光晕去除算法的训练与评估。该数据集通过融合二维合成与三维渲染技术，为深度学习模型提供了丰富的训练样本。其经典使用场景包括训练Uformer、Restormer等先进图像恢复网络，这些模型能够有效消除由强光源引起的散射光晕和反射光斑，显著提升图像质量。实验表明，基于FlareX训练的模型在PSNR、SSIM等指标上均优于传统数据集训练的模型，尤其在处理复杂光晕模式时表现出卓越的泛化能力。

解决学术问题

FlareX数据集有效解决了镜头光晕研究中的关键学术问题。传统数据集因缺乏物理原理指导，导致合成光晕与真实场景存在显著差异。FlareX通过引入光照定律和三维物理引擎渲染，建立了光晕强度与空间位置的物理关联，克服了现有方法中光晕亮度失真、位置随机等局限性。该数据集为研究光晕形成机制、探索物理先验在图像恢复中的应用提供了可靠基准，推动了计算摄影学与计算机视觉的交叉研究发展。

衍生相关工作

FlareX数据集催生了多项经典衍生研究。基于其物理合成的思想，研究者开发了改进的光晕生成管道，如结合深度估计的亮度调整模块。在模型架构方面，促进了偏振辅助Transformer、多尺度残差网络等新型去光晕网络的发展。该数据集还推动了评估方法的革新，其提出的掩码采集策略为真实场景下的模型评估提供了新范式。这些工作共同构建了镜头光晕研究的技术体系，为后续的物理启发的图像恢复研究奠定了坚实基础。