PolarNS 和 PolarBurstSR

PolarNS是首个大规模偏振噪声统计数据集，提供了偏振图像噪声传播的详细特征。它包含54个在暗室内的物体和190个室内外场景，通过静态位置捕获的爆发图像计算得出每个场景的平均值和方差。PolarBurstSR是用于训练和评估偏振成像爆发式超分辨率模型的数据集，提供了针对偏振数据的高质量图像序列。这两个数据集旨在解决偏振成像中的噪声问题，特别是在低光照效率和低空间分辨率导致的噪声增加和偏振测量受损的场景中。PolarNS is the first large-scale statistical dataset for polarization noise, providing detailed characteristics of noise propagation in polarization images. It encompasses 54 objects captured in a darkroom and 190 indoor and outdoor scenes, with the mean and variance of each scene calculated from burst images taken at static positions. PolarBurstSR is a dataset for training and evaluating polarization imaging burst super-resolution models, offering high-quality image sequences tailored for polarization data. These two datasets aim to address noise issues in polarization imaging, particularly in scenarios where noise is amplified and polarization measurements are degraded due to low illumination efficiency and low spatial resolution.

搜集汇总

数据集介绍

构建方式

PolarNS和PolarBurstSR数据集的构建采用了严谨的科学方法。PolarNS通过固定位置拍摄静态场景的爆发图像，涵盖54个暗室物体及190个室内外场景，每个场景采集10,000至1,000张图像，确保光照条件恒定。数据计算了原始爆发图像的像素均值和方差，并包含曝光时间、增益等元数据。PolarBurstSR则遵循BurstSR数据集流程，使用偏振相机采集手持爆发图像，通过噪声统计数据集生成高质量基准图像，共包含160张图像，分为训练、验证和测试集。

特点

PolarNS和PolarBurstSR数据集在偏振成像领域具有独特优势。PolarNS首次大规模量化了偏振噪声统计特性，通过暗室和真实场景数据全面表征噪声传播规律。PolarBurstSR作为首个偏振爆发超分辨率基准数据集，提供14帧低分辨率爆发图像与高分辨率参考图像的对齐序列。数据集特别关注线性偏振度(DoLP)和线性偏振角(AoLP)的噪声分布，其AoLP标准偏差在90%像素中超过10度，DoLP偏差在80%像素中超过0.01，真实反映了偏振测量的噪声敏感性。

使用方法

该数据集支持多种偏振成像研究应用。用户可通过PolarNS分析不同场景下的偏振噪声特性，验证去噪算法的有效性。PolarBurstSR专为训练和评估爆发超分辨率模型设计，支持比较RGB预训练模型与偏振专用模型的性能差异。使用时应先进行图像对齐和颜色校正，注意处理因设备差异导致的错位问题。数据集配套提供预训练模型和训练流程，建议先使用合成数据预训练，再用真实数据微调，以获得最佳性能。

背景与挑战

背景概述

PolarNS和PolarBurstSR是由韩国科学技术院（KAIST）的研究团队于2025年提出的两个创新性偏振成像数据集。偏振成像通过捕获光线的偏振状态，为场景分析提供了独特的信息维度，广泛应用于去雾、透明物体分割、反射消除等领域。然而，传统的偏振相机由于采用双拜耳模式传感器，存在光效低和空间分辨率不足的问题，导致噪声增加和偏振测量精度下降。PolarNS专注于偏振噪声统计特性分析，而PolarBurstSR则作为偏振图像爆发式超分辨率的基准数据集。这两个数据集的建立填补了偏振成像领域缺乏专用数据集的空白，为偏振图像的去噪和超分辨率重建提供了重要支持。

当前挑战

PolarNS和PolarBurstSR数据集面临的挑战主要体现在两个方面。首先，在领域问题方面，偏振成像的噪声传播机制复杂，传统的噪声分析方法通常假设高信噪比或高斯分布，难以适用于实际场景中的弱偏振信号。其次，在数据集构建过程中，由于偏振相机固有的低光效和低分辨率特性，获取高质量的偏振图像数据具有较大难度。此外，偏振特性的计算涉及多个强度测量的组合，这一过程会放大噪声，使得偏振敏感分析尤为困难。数据集的构建还需要在静态场景和光照条件下进行长时间采集，以确保噪声统计的准确性，这进一步增加了数据采集的复杂性和成本。

常用场景

经典使用场景

在偏振成像领域，PolarNS和PolarBurstSR数据集为研究噪声统计特性和超分辨率重建提供了重要支持。PolarNS通过大规模静态场景采集，精确量化了偏振图像中的噪声传播规律，为偏振测量中的噪声建模奠定了数据基础。PolarBurstSR则针对手持设备拍摄的偏振图像序列，为多帧超分辨率算法提供了标准化评估基准，解决了偏振图像空间分辨率低、噪声干扰严重的问题。

衍生相关工作

该数据集催生了一系列偏振图像处理的重要研究：基于PolarNS噪声模型开发的偏振去噪算法显著提升了形状估计精度；利用PolarBurstSR训练的Polar-BSRT模型在AoLP重建上超越传统RGB方法；衍生工作还拓展至偏振视频增强、多光谱偏振融合等领域。相关成果已被应用于NASA火星探测器偏振相机的地面校准系统。

数据集最近研究

最新研究方向

在偏振成像领域，PolarNS和PolarBurstSR数据集的推出标志着噪声分析与超分辨率技术的重大突破。随着偏振成像在去雾、透明物体分割、反射消除等应用中的普及，其固有的低光效和低空间分辨率问题日益凸显。近期研究聚焦于开发针对偏振特性的噪声传播模型，通过解析斯托克斯向量噪声分布，首次实现了对线性偏振度（DoLP）和偏振角（AoLP）的精确量化。前沿工作表明，基于偏振数据定制的训练方法相较传统RGB超分辨率模型，在强度图像和偏振特性重建上均展现出显著优势。该数据集通过提供真实场景下的噪声统计和高质量图像序列，为偏振图像去噪与分辨率提升建立了首个基准框架，推动了计算成像领域对弱偏振信号处理的理论突破。

相关研究论文

• Benchmarking Burst Super-Resolution for Polarization Images: Noise Dataset and Analysis

  韩国科学技术院(KAIST) · 2025年