阴影分割技术在计算机视觉领域，尤其是自动驾驶、机器人视觉、环境感知等应用中具有重要意义。通过对阴影区域的精确分割，可以有效区分真实物体和阴影，提升图像理解和场景分析的精度。本场景应用于基于视觉大模型的阴影分割，利用深度学习模型对图像中的阴影区域进行精确分割，并评估其性能表现。该技术可以广泛应用于图像处理、图像增强、自动驾驶、无人机监测等领域，帮助提高视觉识别系统在复杂环境下的鲁棒性。数据收集：在阴

浙江省数据知识产权登记平台2024-12-16 更新370

egtest02.rar

计算机视觉

视频处理

Video 2 of VIVID datatset

DataCite Commons2020-09-04 更新100

OpenRR-5k

计算机视觉

图像处理

OpenRR-5k是一个大规模的、高像素对齐的图像对数据集，包含5,300个高质量、像素对齐的图像对，每个图像对由一个反射图像及其对应的清晰版本组成。数据集分为训练集、验证集和测试集，涵盖了广泛的现实世界场景，包括各种光照条件、物体类型和反射模式。该数据集旨在为单图像反射去除任务提供高质量的训练和评估数据，从而推动计算机视觉领域的发展。

arXiv2025-06-06 更新620

Multi-dSprites, Objects Room, CLEVR (with masks), Tetrominoes, CATER (with masks)

计算机视觉

图像处理

这是一个基于dSprites的数据集，每个图像包含多个椭圆、心形或方形精灵（有些遮挡），背景为均匀颜色。我们发布了三个版本，每个版本包含1M数据点：1.1二值化：每个图像有2-3个白色精灵在黑色背景上。1.2彩色精灵在灰度上：每个场景有2-5个随机彩色HSV精灵在随机采样的灰度背景上。1.3彩色精灵和背景：每个场景有1-4个精灵。所有颜色都是随机采样的RGB值。每个数据点包含一个图像，多个背景和对

github2024-05-20 更新260

Volleyball Court Key Points Regression Dataset

资源简介：

相关数据集