8KDehaze

8KDehaze数据集是第一个极大图像去雾的数据集，用于图像到图像的任务。该数据集支持研究大图像去雾的有效方法，并引用自CVPR2025的论文《Tokenize Image Patches: Global Context Fusion for Effective Haze Removal in Large Images》。

原始信息汇总

数据集概述：8KDehaze

基本信息

• 许可证: Apache-2.0
• 任务类别: 图像到图像（image-to-image）

数据集描述

• 版本: 完整版（Full version）
• 特点: 首个针对极大图像去雾的数据集
• 关联论文: Tokenize Image Patches: Global Context Fusion for Effective Haze Removal in Large Images（CVPR2025）

相关资源

• 迷你版数据集: 8KDehaze_mini
• 代码仓库:
  • DehazeXL: https://github.com/CastleChen339/DehazeXL
  • DAM: https://github.com/fengyanzi/DehazingAttributionMap

搜集汇总

数据集介绍

构建方式

在计算机视觉领域，大规模图像去雾任务对数据质量提出极高要求。8KDehaze数据集作为CVPR2025论文《Tokenize Image Patches: Global Context Fusion for Effective Haze Removal in Large Images》的配套数据，采用专业级8K分辨率采集设备构建，通过精确控制大气散射模型参数生成合成雾霾图像，同时包含真实场景采集的高清配对样本。数据集构建过程中创新性地引入全局上下文融合策略，确保图像块标记化处理的完整性。

特点

该数据集最显著的特征在于其突破性的规模与质量，作为首个专为超大图像去雾设计的数据集，8K分辨率样本提供了前所未有的细节层次。区别于传统去雾数据集，其样本覆盖极端光照条件、复杂景深变化及多样化雾浓度分布，每张图像均经过严格的物理模型验证。数据集特别强调全局上下文信息的保留，为基于Transformer的先进去雾算法提供了理想的训练基准。

使用方法

研究人员可通过HuggingFace平台直接加载完整版或迷你版数据集，配套提供的DehazeXL和DAM开源代码库实现了端到端的训练流程。建议使用PyTorch框架加载图像对时采用分块处理策略，以适配不同显存容量的硬件环境。数据集的XML格式标注文件包含详细的雾浓度分布参数，支持基于物理先验的模型优化。为充分发挥8K分辨率优势，推荐结合论文提出的全局上下文融合模块进行多尺度特征提取。

背景与挑战

背景概述

8KDehaze数据集作为首个针对超大图像去雾任务而构建的基准数据集，由CVPR2025论文《Tokenize Image Patches: Global Context Fusion for Effective Haze Removal in Large Images》的研究团队发布。该数据集由冯岩子等学者主导开发，旨在解决高分辨率场景下雾霾导致的图像退化问题，为计算机视觉领域的大尺度图像恢复研究提供了关键数据支撑。其创新性体现在突破传统去雾方法对小尺寸图像的局限，通过引入全局上下文融合机制，推动了大尺寸图像去雾技术的边界，对遥感监测、自动驾驶等实际应用具有显著意义。

当前挑战

在领域问题层面，8KDehaze需应对超大图像中雾霾分布的空间非均匀性挑战，传统卷积神经网络难以捕捉长距离依赖关系，导致局部去雾效果不一致。构建过程中，研究团队面临高分辨率图像标注成本高昂的难题，需设计半自动标注流程平衡精度与效率。同时，超大规模数据存储与处理对计算架构提出特殊要求，需开发分块加载策略避免内存溢出。此外，真实场景雾霾物理模型的复杂性，也使得合成数据与真实数据的域差距成为模型泛化能力的制约因素。

常用场景

经典使用场景

在计算机视觉领域，图像去雾技术一直是研究热点。8KDehaze数据集作为首个针对超大尺寸图像设计的去雾数据集，其经典使用场景集中在高分辨率图像的去雾算法开发与评估。研究人员利用该数据集训练深度神经网络模型，通过端到端的方式学习从雾化图像到清晰图像的映射关系，特别适用于处理无人机航拍、卫星遥感等场景下的大尺寸雾化图像。

衍生相关工作

基于8KDehaze数据集已衍生出多项创新性研究，最具代表性的是配套提出的DehazeXL框架和Dehazing Attribution Map方法。这些工作开创性地将令牌化图像块策略引入去雾任务，启发了后续关于跨尺度特征融合的研究。相关成果发表在CVPR等顶级会议，形成了以大尺寸图像恢复为核心的新兴研究方向。

数据集最近研究

最新研究方向

随着高分辨率图像处理需求的激增，8KDehaze数据集的推出为大规模图像去雾领域注入了新的活力。该数据集作为首个专注于超大尺寸图像去雾的基准，为CVPR2025提出的DehazeXL算法提供了关键支撑，其核心创新在于通过令牌化图像块实现全局上下文融合，有效解决了传统方法在8K分辨率下计算效率低下的瓶颈。当前研究热点集中在多尺度特征融合与轻量化网络架构设计，以应对无人机航拍、卫星遥感等场景下的实时去雾需求。DAM框架的引入进一步推动了可解释性去雾研究，通过归因分析揭示模型决策机制，为跨域泛化提供了新的理论工具。