Low-light datasets for zero-shot learning image enhancement

Name: Low-light datasets for zero-shot learning image enhancement
Creator: Zhidong Zhu; Bangshu Xiong
Published: 2026-04-17T17:24:54+08:00

IEEE2026-04-17 收录

弱光图像增强

零样本学习

数据链接：

https://ieee-dataport.org/documents/low-light-datasets-zero-shot-learning-image-enhancement 数据链接链接失效反馈

官方服务：

资源简介：

Low-light datasets for zero-shot learning image enhancement

提供机构：

Zhidong Zhu; Bangshu Xiong

LoLi-Phone

图像处理

弱光图像增强

displayName: LoLi-Phone license: - LoLi-Phone Custom mediaTypes: - Video paperUrl: https://arxiv.org/pdf/2104.10729v3.pdf publishDate: "2021" publishUrl: https://github.com/Li-Chongyi/Lighting-the-Dar

魔搭社区2025-12-05 更新740

siglip-adaptive-size

多模态学习

零样本学习

# SigLIP (shape-optimized model) SigLIP model pre-trained on WebLi at resolution 384x384. It was introduced in the paper [Sigmoid Loss for Language Image Pre-Training](https://arxiv.org/abs/2303.15

魔搭社区2026-08-18 更新350

kowndinya23/bbh_zero_shot

自然语言处理

零样本学习

--- dataset_info: config_name: date_understanding features: - name: idx dtype: int32 - name: inputs dtype: string - name: targets sequence: string - name: multiple_choice_targe

Hugging Face2024-03-22 更新310

CLUES

机器学习

零样本学习

CLUES数据集是一个用于通过自然语言解释学习分类器的基准，由北卡罗来纳大学教堂山分校的研究人员创建。该数据集包含36个真实世界和144个合成分类任务，每个任务都配有自然语言解释。真实世界的任务来自UCI、Kaggle和Wikipedia，而合成任务则是程序生成的。数据集旨在通过解释来指导模型学习，特别是在零样本学习场景中。CLUES数据集的应用领域包括但不限于机器学习模型的可解释性和零样本学习能

arXiv2022-04-15 更新430

Fashion-ZSD

零样本学习

图像识别

Fashion-ZSD是一个为评估零样本检测方法而生成的玩具数据集，基于Fashion-MNIST数据集。该数据集包含70,000个28x28大小的灰度图像，分为10个类别。数据集被分为训练集和测试集，其中训练集包含7个类别，测试集包含3个类别。每个图像包含三个不同的对象，考虑了四种场景：无噪声或遮挡、部分遮挡、杂乱和既有部分遮挡又有杂乱的场景。数据集包括8333个训练图像、8000个验证图像和6

github2022-02-14 更新320

Low-light datasets for zero-shot learning image enhancement

资源简介：

相关数据集