HQ-NightRain Dataset

HQ-NightRain是一个用于夜间图像去雨任务的高质量数据集，包含多个子集：HQ-NightRain-RS、HQ-NightRain-RD、HQ-NightRain-SD等，用于评估夜间雨景图像的恢复效果

HQ-NightRain is a high-quality dataset dedicated to nighttime image deraining tasks. It comprises multiple subsets including HQ-NightRain-RS, HQ-NightRain-RD, HQ-NightRain-SD and etc., which are used to evaluate the restoration performance of nighttime rainy scene images.

原始信息汇总

CST-Net数据集概述

数据集基本信息

• 数据集名称: HQ-NightRain Dataset
• 相关论文: Rethinking Nighttime Image Deraining via Learnable Color Space Transformation
• 会议: NeurIPS 2025

数据集下载

• 主要数据集: HQ-NightRain Dataset
• 下载方式:
  • Google Drive
  • 百度网盘(提取码: asht)

数据集组成

比较方法结果数据集

• HQ-NightRain-RS
• HQ-NightRain-RD
• HQ-NightRain-SD
• GTAV-NightRain
• RealRain1k-L
• RealRain1k-H
• RainDS-real-RS
• RainDS-real-RD
• RainDS-real-RDS

CST-Net结果数据集

• 可通过百度网盘下载(提取码: n3vg)
• Google Drive链接需联系作者获取

数据集用途

• 夜间图像去雨研究
• 计算机视觉底层任务
• 图像质量评估

相关资源

• 代码库: https://github.com/guanqiyuan/CST-Net
• 论文链接: https://arxiv.org/abs/2509.11642
• 作者邮箱: [e-mail]

搜集汇总

数据集介绍

构建方式

在夜间图像去雨研究领域，HQ-NightRain数据集的构建采用了多源数据融合策略。该数据集通过整合真实场景采集与合成渲染技术，构建了包含不同雨线密度和动态范围的夜间降雨场景。具体流程涉及在真实夜间环境中捕捉带雨图像，并配合游戏引擎生成的高保真合成数据，确保每张图像均配有精确配准的无雨参考帧。这种混合构建方法有效平衡了数据多样性与物理真实性，为模型训练提供了丰富的夜间视觉特征。

特点

该数据集在夜间视觉任务中展现出独特的价值，其核心特征体现在三个方面：首先，图像分辨率达到高清标准，能够清晰呈现雨滴在暗光环境下的光学特性；其次，覆盖了从稀疏到密集的多种降雨强度，包括静态雨丝与动态雨滴的混合模式；最后，通过严谨的色彩空间标注，完整保留了夜间灯光与雨水交互产生的复杂色散现象。这些特征共同构成了对现有去雨算法在低照度条件下鲁棒性的全面检验基准。

使用方法

研究人员可通过公开的下载链接获取该数据集，并按照提供的环境配置指南搭建实验平台。使用流程包括三个关键步骤：初始化训练环境时需执行特定的conda指令安装依赖库；模型训练阶段直接运行train.py脚本启动学习过程；评估环节则通过test.py生成去雨结果，并调用标准化指标计算模块进行量化分析。数据集支持端到端的深度学习流程，同时提供可视化工具包便于结果对比，为夜间图像增强研究提供完整的实验闭环。

背景与挑战

背景概述

HQ-NightRain数据集由大连工业大学、南京理工大学及大连海事大学的研究团队于2025年联合构建，旨在推动夜间图像去雨算法的创新。该数据集聚焦于计算机视觉中的底层视觉任务，特别针对夜间场景下雨水干扰导致的图像质量退化问题。通过引入可学习的色彩空间变换技术，数据集为NeurIPS 2025收录的研究提供了关键支撑，显著提升了夜间图像恢复的精度与鲁棒性，对自动驾驶、监控系统等实际应用具有深远影响。

当前挑战

夜间图像去雨任务面临多重挑战：在领域问题层面，夜间光照条件复杂，雨水与灯光反射、噪声交织，导致传统去雨模型难以区分雨纹与真实场景内容；构建过程中，数据采集需平衡真实性与多样性，合成数据与真实数据的对齐存在偏差，同时标注高质量ground truth耗费大量资源。此外，色彩空间变换的引入虽提升性能，但增加了模型复杂度与计算成本。

常用场景

经典使用场景

在计算机视觉领域，夜间图像去雨任务面临着独特的挑战，HQ-NightRain数据集为此提供了专门的研究平台。该数据集主要应用于评估和开发夜间场景下的图像去雨算法，通过提供高质量的夜间雨纹图像及其对应的清晰参考图像，为研究人员构建了可靠的基准测试环境。在低光照条件下，雨滴会与复杂的光照效应相互作用，形成特殊的视觉干扰模式，这使得传统的去雨方法往往难以取得理想效果。

实际应用

在现实应用层面，HQ-NightRain数据集具有广泛的使用价值。自动驾驶系统在夜间雨天环境下的视觉感知能力直接关系到行车安全，该数据集为提升此类系统的可靠性提供了关键训练资源。安防监控领域同样受益，通过改善夜间雨天的图像质量，能够显著提升监控系统的识别准确率。此外，在移动摄影和无人机航拍等消费级应用中，基于该数据集开发的去雨技术能够有效改善用户在恶劣天气条件下的拍摄体验。

衍生相关工作

围绕HQ-NightRain数据集，研究社区已经涌现出多项重要研究成果。CST-Net作为配套提出的核心算法，通过可学习的颜色空间转换机制，为夜间去雨任务提供了创新性的解决方案。该数据集还促进了NeRD-Rain等先进去雨方法的进一步发展，推动了整个底层视觉领域的技术进步。这些衍生工作不仅在理论上深化了对夜间图像退化机制的理解，也在实践层面为相关应用提供了更加鲁棒和高效的技术支持。