本文汇总了目前主流的配对的低光图像数据集。

1 LOLV数据集

LOL数据集包含LOL-v1和LOL-v2两个版本，其中LOL-v2进一步划分为LOL-v2-real（真实世界数据）和LOL-v2-sync（合成数据）。具体而言，LOL-v1包含500对从真实自然场景中采集的低光/正常光图像，其中485对用于训练，15对用于测试。LOL-v2-real包含698对训练图像和100对测试图像；LOL-v2-sync则包括900对训练图像和100对测试图像。

1.1 LOLv1数据集

下载地址
来源文献：Deep Retinex Decomposition for Low-Light Enhancement
LOLV1

1.2 LOLv2数据集

下载地址
来源文献：Sparse gradient regularized deep retinex network for robust low-light image enhancement

  • Training Set: 689 images
  • Testing Set: 100 images
    LOLV2

2 SID数据集

下载地址 Github详情页 Retinexformer作者也为我们提供了转换后的下载地址转换后的下载地址
来源文献：Chen Chen, Qifeng Chen, Minh N Do, and Vladlen Koltun. Seeing motion in the dark. In ICCV, 2019
数据集包含 5094 张原始短曝光图像，每张图像都有相应的长曝光参考图像。请注意，多个短曝光图像可以对应于同一个长曝光参考图像。例如，我们收集了短曝光图像序列来评估连发去噪方法。序列中的每个图像都算作一个不同的低光图像，因为每个这样的图像都包含真实的成像伪影，并且对训练和测试很有用。SID 中不同的长时间曝光参考图像的数量为 424。该数据集包含室内和室外图像。户外图像通常是在夜间、月光或街道照明下拍摄的。户外场景中相机处的照度一般在0.2勒克斯到5勒克斯之间。室内图像甚至更暗。他们是在封闭的房间里被捕获的，房间里关闭了常规的灯光，并为此目的设置了微弱的间接照明。室内场景中摄像机的照度一般在0.03勒克斯到0.3勒克斯之间。输入图像的曝光设置为1/30秒和1/10秒之间。相应的参考（地面实况）图像是在 100 到 300 倍的曝光时间下捕获的：即 10 到 30 秒。由于参考图像的曝光时间必然很长，因此数据集中的所有场景都是静态的。表1总结了数据集。参考图像的一小部分如图 2 所示。每个条件下大约 20% 的图像被随机选择来形成测试集，另外 10% 被选择用于验证集。图像是使用两台相机拍摄的：索尼 α7S II 和富士 X-T2。这些相机有不同的传感器：索尼相机有一个全画幅拜耳传感器和图 2。 富士相机有一个 APS-CX-Trans 传感器。这支持对不同滤波器阵列生成的图像进行低光图像处理管道的评估。索尼图像的分辨率为 4240×2832，富士图像的分辨率为 6000×4000。索尼套装是使用两种不同的镜头收集的。
有 2697 对短/长曝光 RAW 图像。低光/常光RGB图像是通过使用SID 相同的相机内信号处理将RAW转换为RGB来获得的.2099 和 598 个图像对用于训练和测试。

3 SMID数据集

下载地址
来源文献：Chen Chen, Qifeng Chen, Jia Xu, and Vladlen Koltun. Learning to see in the dark. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 3291–3300, 2018. 6
全称是 See-in-the-Dark for Smartphone Images Dataset，SMID数据集总共包含20,809个短曝光/长曝光RAW图像对。同样需要将RAW数据转换为sRGB域以进行实验。使用 15,763 对进行训练，其余对用于测试。

4 LOLBlur数据集

下载地址
文献来源：LEDNet: Joint Low-light Enhancement and Deblurring in the Dark (ECCV 2022)
这是一个以以逼真的方式生成的合成数据集，原作者引入了一种合成管道，该管道可以联合模拟低光模糊退化，从而能够生成大规模数据集（LOL-Blur）。共使用了 170 个用于训练的视频和 30 个用于测试的视频，每个视频有 60 帧，总计 12,000 个配对数据。生成的数据集 LOL-Blur 包含 12,000 对低模糊/正常锐度对，用于训练和测试。

5 MIT-Adobe FiveK数据集

下载地址 数据发布页
来源文献：Vladimir Bychkovsky, Sylvain Paris, Eric Chan, and Fre ́do Durand. Learning photographic global tonal adjustment with a database of input/output image pairs. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 97–104, 2011. 7
MIT-Adobe FiveK 数据集分为训练集和测试集，分别有 4500 和 500 对低光/常光图像对。这些图像由五名摄影师手动调整（标记为 A∼E）。在Retinexforemr中以专家C的调整图像为参考，采用sRGB输出模式。

6 SDSD数据集

下载地址 数据发布页
SDSD 包含室内和室外子集。在Retinexformer中分别使用 62：6 和 116：10 低光/常光视频对对 SDSD-室内和 SDSD-室外进行训练和测试。

7 LSRW

下载地址
来源文献：R2RNet: Low-light Image Enhancement via Real-low to Real-normal Network
包括来自 DSLM Nikon 相机和华为智能手机的图像。LSRW-Nikon数据集由3150个训练图像对和20个测试图像对组成。LSRW-华为数据集分别包含 2450 对图像和 30 对用于训练和验证的图像。

8 NTIRE 2024低光增强比赛数据集

下载地址 比赛介绍
来源文献：NTIRE2024ChallengeonLowLightImageEnhancement:MethodsandResults
引入了丰富的比赛场景，涵盖各种照明条件，如昏暗环境、极度黑暗、非条件，如昏暗环境、极度黑暗、非均匀照明、背光和夜景等。照明、背光和夜景等各种照明条件。适用于白天和夜晚的室内和室外环境。图像分辨率高达 4K 或更高。具体来说数据集包括 230 个训练场景，以及35 个验证场景和 35 个测试场景。验证和测试的地面实况（GT）验证和测试的地面实况（GT）图像在整个挑战赛期间对参赛者保密。

FiveK

下载地址
来源文献：Vladimir Bychkovsky, Sylvain Paris, Eric Chan, and Fre ́do Durand. Learning photographic global tonal adjustment with a database of input/output image pairs. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 97–104, 2011. 7