Multi-Illuminant Multi-spectral Imaging (MIMI) dataset

这是由Spectricity提供的多光源多光谱成像(MIMI)数据集官方仓库。该数据集专为开发和评估局部自动白平衡(AWB)算法而设计，包含标准RGB和多光谱图像(MSI)。数据集总共包含773个场景，每个场景都使用RGB和MSI相机拍摄，包含和不包含参考图表。这些图表提供真实的白点和颜色信息，能够在整个数据集中客观评估白平衡和重新着色准确性。This is the official repository of the Multi-Illuminant Multispectral Imaging (MIMI) dataset provided by Spectricity. This dataset is specifically designed for developing and evaluating local automatic white balance (AWB) algorithms, and includes standard RGB and multispectral imaging (MSI) images. The dataset contains a total of 773 scenes, each captured with both RGB and MSI cameras, with or without a reference chart. These charts provide true white point and color information, enabling objective evaluation of white balance and recolorization accuracy across the entire dataset.

原始信息汇总

MIMI数据集概述

数据集基本信息

• 数据集名称：Multi-Illuminant Multi-spectral Imaging (MIMI) dataset
• 版本：1.0
• 发布日期：2025年10月27日
• 提供方：Spectricity
• 许可证：Creative Commons Attribution-NonCommercial 4.0 International License

数据集内容

• 场景数量：773个场景
• 图像类型：
  • 标准RGB图像
  • 多光谱图像(MSI)
• 拍摄条件：包含带参考图表和不带参考图表的拍摄
• 数据用途：用于局部自动白平衡(AWB)算法的开发与评估

技术特性

• 参考图表功能：提供真实白点和颜色信息的基准数据
• 评估能力：支持白平衡和重新着色精度的客观评估
• 文件大小：319.4 GB（压缩包）

配套资源

• 示例脚本：example_script.py
• 脚本功能：
  • 数据集图像预处理
  • 白点估计算法应用
  • 基于真实数据的白点角度计算
• 模型支持：包含虚拟Keras模型(dummy_msi_white_points_model.keras)

获取方式

• 下载地址：https://spectricity.com/applications/awb/
• 下载要求：需要通过表单申请下载链接

技术文档

• 会议论文：https://github.com/user-attachments/files/23166274/CIC33.pdf
• 引用格式：

@inproceedings{spectricity2025, title={Enhancing Local Automatic White Balance with Multi-Spectral Imaging}, author={Keustermans, Johannes and Van Beers, Robbe and Hermans, Jeroen and Borgoo, Alex and Jacobs, Michael}, booktitle={Color and Imaging Conference}, pages={}, year={2025} }

搜集汇总

数据集介绍

构建方式

在计算摄影学领域，MIMI数据集通过精心设计的采集流程构建而成，共包含773个场景样本。每个场景均采用RGB与多光谱成像设备同步采集，并分别包含带参考色卡与无参考色卡的成对图像。参考色卡提供了白点与色彩信息的客观基准，为局部自动白平衡算法的定量评估奠定了数据基础。所有数据均通过标准化光照环境下的专业光谱设备获取，确保光谱响应曲线的精确性与可复现性。

特点

该数据集的核心价值体现在其多模态数据架构上，同时提供标准RGB图像与多光谱图像的双重信息流。多光谱通道突破了传统三通道的色彩表征局限，为光照估计与色彩还原研究提供了丰富的光谱维度特征。数据集特别设计了局部光照变化场景，通过参考色卡标注实现了像素级白点真值映射，有效支撑了复杂光照条件下白平衡算法的鲁棒性验证与比较分析。

使用方法

研究者可通过官方提供的示例脚本快速构建数据处理流程，该脚本演示了从图像预处理到白点估计算法应用的全链路操作方法。用户需准备兼容Python 3.11的开发环境，通过替换脚本中的Keras模型接口即可集成自定义白平衡算法。数据集采用分卷存储结构，支持通过命令行工具进行批量下载与校验，配套的基准评估模块可直接输出白点角度误差等客观指标，显著降低算法验证的技术门槛。

背景与挑战

背景概述

多光源多光谱成像数据集由Spectricity团队于2025年10月发布，旨在推动局部自动白平衡算法的研究进程。该数据集包含773组场景的同步RGB与多光谱图像，并配备标准色卡作为色彩基准，为计算机视觉领域的色彩还原研究提供了重要数据支撑。其创新性在于首次将多光谱成像技术与复杂光照场景相结合，填补了传统白平衡算法在动态光照环境下缺乏客观评估标准的空白，对色彩科学和计算摄影学的发展具有显著推动作用。

当前挑战

在局部自动白平衡领域，传统算法难以应对多光源混合场景下的色彩失真问题，而现有数据集缺乏精确的像素级真值标注。MIMI数据集构建过程中面临多重挑战：需设计特殊采集系统实现RGB与多光谱相机的严格同步，确保空间对齐精度；处理319.4GB超大容量数据时需优化存储架构；通过参考色卡建立可靠的颜色基准体系，这对光学标定和色彩计量提出了极高要求。

常用场景

经典使用场景

在计算摄影与计算机视觉领域，多光源多光谱成像数据集为局部自动白平衡算法的开发与评估提供了关键支持。该数据集通过包含标准RGB图像与多光谱图像，并辅以参考图卡提供的真实白点信息，使研究者能够精确测试算法在不同光照条件下的色彩还原能力。其典型应用场景包括算法性能的客观量化与跨场景泛化性验证，为色彩科学领域的实验研究奠定了坚实基础。

解决学术问题

该数据集有效解决了复杂光照环境下色彩恒常性研究的核心挑战。通过提供多光源场景下的光谱级地面真值数据，研究者能够突破传统RGB数据在光谱重建精度上的局限，推动白点估计模型从全局优化向局部自适应方向演进。这一突破显著提升了计算机视觉系统在混合光照场景下的色彩还原可靠性，为光谱成像与色彩科学的交叉研究提供了重要数据支撑。

衍生相关工作

该数据集已催生多个色彩科学领域的创新研究，其中最具代表性的是基于深度学习的局部白点估计算法框架。后续研究通过引入注意力机制与多尺度特征融合，显著提升了复杂光照场景下的色彩校正精度。此外，该数据集还促进了光谱超分辨率重建与跨模态色彩迁移等衍生方向的发展，为计算摄影领域的技术演进提供了持续动力。