La réalisation de diverses tâches visuelles telles que la fusion d'images, la détection de piétons et la traduction d'image à image dans des conditions de faible luminosité est très complexe en raison de la perte des zones cibles efficaces. Dans ce contexte, les images infrarouges et visibles peuvent être utilisées conjointement pour fournir à la fois des informations détaillées riches et des zones cibles efficaces. Dans cet article, nous présentons LLVIP, un jeu de données couplé visible-infrarouge pour la vision en faible luminosité. Ce jeu de données contient 30 976 images, soit 15 488 paires, dont la majorité a été prise dans des scènes très sombres, et toutes les images sont strictement alignées dans le temps et l'espace. Les piétons du jeu de données sont étiquetés. Nous comparons ce jeu de données avec d'autres jeux de données visible-infrarouge et évaluons les performances de certains algorithmes visuels populaires, notamment la fusion d'images, la détection de piétons et la traduction d'image à image sur ce jeu de données. Les résultats expérimentaux démontrent l'effet complémentaire de la fusion sur les informations d'image et mettent en évidence les insuffisances des algorithmes existants pour ces trois tâches visuelles dans des conditions de très faible luminosité. Nous pensons que le jeu de données LLVIP contribuera à la communauté de vision par ordinateur en favorisant la fusion d'images, la détection de piétons et la traduction d'image à image dans les applications en très faible luminosité. Le jeu de données est disponible à l'adresse suivante : https://bupt-ai-cz.github.io/LLVIP. Les données brutes sont également fournies pour des recherches ultérieures telles que l'enregistrement d'images.