LoLI-Street は成均館大学、オーストラリア国立大学、韓国工科大学の研究チームが共同で発表した低照度画像強調 (LLIE) に焦点を当てたプロジェクトであり、関連する論文結果は「」です。LoLI-Street: 低照度画像強化とその先のベンチマーク」がACCV'24に採択されました。このデータセットは、開発された都市の街路シーンからの低照度画像と適切に露出された画像の 33,000 ペアで構成され、物体検出用の 19,000 の物体カテゴリをカバーしています。 LoLI-Street データセットには、現実的な条件下で LLIE モデルをテストするための 1,000 個の実際の低照度テスト画像も含まれています。これは、オブジェクトの検出、追跡、セグメンテーション、シーンの理解など、多くのコンピューター ビジョン タスクにとって重要です。

このデータセットは、現実世界の低照度条件、特に街路領域における既存の LLIE 手法のパフォーマンスが低いという問題に対処するために作成されました。この問題により、堅牢な LLIE 手法の開発が制限されています。 LoLI-Street データセットは、自動運転や監視システムなどの実世界のアプリケーションでの画質と物体検出を向上させるために、さまざまな低照度条件で撮影された画像を提供することで、研究者や開発者がモデルをトレーニングおよびテストするのに役立ちます。