Large Scale Multi-Illuminant (LSMI) Dataset

用于开发混合光照下白平衡算法的大规模多光源（LSMI）数据集，被ICCV 2021接受为海报展示。

A large-scale multi-illuminant (LSMI) dataset for developing white balance algorithms under mixed lighting conditions, accepted as a poster presentation at ICCV 2021.

原始信息汇总

数据集概述

数据集名称： Large Scale Multi-Illuminant (LSMI) Dataset

数据集版本： 1.1

发布日期：

• 初始版本：2021年8月5日
• 更新版本：2022年2月20日

数据集内容：

• 包含三个子文件夹："galaxy", "nikon", "sony"，每个文件夹内含多个场景，每个场景包含全分辨率RAW文件和转换为sRGB颜色空间的JPG文件。
• 提供元数据文件（meta.json）和训练/验证/测试场景索引（split.json）。
• meta.json包含信息：场景中的光源数量、Macbeth颜色图表的位置、每个光源的标准化色度。

数据集用途： 用于开发混合光照下的白平衡算法。

数据集处理步骤：

1. 转换原始图像为tiff文件：使用DCRAW命令将原始的单通道Bayer模式图像转换为三通道RGB tiff图像。
2. 制作混合光照图：通过处理每个场景，计算像素级光照混合图。
3. 裁剪和预处理数据（可选）：为U-Net训练和测试准备数据，包括图像和混合图的尺寸调整和裁剪。

数据集许可证： 本作品采用Creative Commons Attribution-NonCommercial 4.0 International License许可协议。

搜集汇总

数据集介绍

构建方式

在构建大规模多光源（LSMI）数据集时，研究团队采用了多摄像机系统，分别使用Galaxy、Nikon和Sony相机捕捉不同场景下的图像。每个场景包含多个光源，图像以RAW和JPG格式存储，并附有详细的元数据。通过运行一系列预处理脚本，包括将RAW图像转换为TIFF格式、生成混合光源映射以及裁剪图像以适应训练和测试需求，数据集得以系统化地构建。这一过程确保了数据的高质量和一致性，为后续的白平衡算法开发提供了坚实的基础。

特点

LSMI数据集的显著特点在于其大规模和多光源的复杂性，涵盖了多种真实世界的光源组合。数据集不仅包括高分辨率的RAW和JPG图像，还提供了详细的元数据，如光源数量、Macbeth色卡坐标和各光源的归一化色度。此外，数据集支持像素级光源混合映射的生成，这对于开发精确的白平衡算法至关重要。通过这些特性，LSMI数据集为研究人员提供了一个强大的工具，用于在复杂光照条件下评估和改进白平衡算法。

使用方法

使用LSMI数据集时，用户首先需要下载数据集并将其放置在克隆的仓库根目录下。随后，通过运行预处理脚本，用户可以将RAW图像转换为TIFF格式，并生成光源混合映射。对于特定的U-Net模型训练和测试，用户可以选择裁剪图像以适应模型输入尺寸。数据集还提供了预训练的U-Net模型参数，用户可以直接用于测试或进一步训练。通过这些步骤，研究人员可以有效地利用LSMI数据集进行白平衡算法的开发和评估。

背景与挑战

背景概述

Large Scale Multi-Illuminant (LSMI) Dataset是由Kim等人在2021年创建的，旨在解决混合光照条件下白平衡算法开发的问题。该数据集在ICCV 2021上作为海报展示，由多个研究机构和研究人员共同开发，包括Kim Dongyoung、Kim Jinwoo等。LSMI数据集的核心研究问题是如何在复杂的多光照环境中准确地进行白平衡校正，这对于图像处理和计算机视觉领域具有重要意义。通过提供大规模的多光照场景数据，LSMI数据集为研究人员提供了一个强大的工具，以推动白平衡算法的发展和优化。

当前挑战

LSMI数据集在构建过程中面临了多个挑战。首先，混合光照条件下的白平衡问题本身就是一个复杂的领域问题，需要精确的光照估计和校正技术。其次，数据集的构建涉及大量的图像预处理工作，包括原始图像的转换、光照混合图的生成以及像素级光照推断。此外，数据集的多样性和规模也带来了存储和处理上的挑战。为了应对这些挑战，研究人员开发了专门的预处理代码和U-Net模型，以确保数据集的高质量和实用性。

常用场景

经典使用场景

在计算机视觉领域，Large Scale Multi-Illuminant (LSMI) 数据集的经典使用场景主要集中在开发和优化白平衡算法。该数据集通过提供在混合光照条件下拍摄的高分辨率图像，为研究人员提供了一个丰富的实验平台。这些图像涵盖了多种相机型号和光照条件，使得研究人员能够在不同环境下测试和验证其白平衡算法的鲁棒性和准确性。通过使用LSMI数据集，研究人员可以深入探索光照对图像色彩还原的影响，从而推动白平衡技术的发展。

衍生相关工作

LSMI数据集的发布催生了一系列相关研究和工作。例如，基于该数据集，研究人员开发了多种先进的白平衡算法，这些算法在处理复杂光照条件下的图像时表现出色。此外，LSMI数据集还被用于训练和验证深度学习模型，如U-Net，这些模型在像素级别的光照推断中展示了强大的能力。这些衍生工作不仅推动了白平衡技术的发展，还为计算机视觉领域的其他研究提供了新的思路和方法。

数据集最近研究

最新研究方向

在计算机视觉领域，Large Scale Multi-Illuminant (LSMI) 数据集的最新研究方向主要集中在混合光照条件下的白平衡算法开发。该数据集通过提供大规模的多光源场景图像，为研究人员提供了丰富的实验数据，以探索在复杂光照环境下的图像色彩校正技术。前沿研究不仅关注于提升算法的准确性和鲁棒性，还致力于优化计算效率，以满足实际应用中的实时性需求。此外，LSMI数据集的引入也促进了跨学科的合作，如与光学、图像处理等领域的交叉研究，进一步推动了白平衡技术的发展。