GS-Blur|图像去模糊数据集|图像处理数据集

arXiv2024-10-31 更新2024-11-02 收录

图像去模糊

图像处理

下载链接：

https://github.com/dongwoohhh/GS-Blur

下载链接

链接失效反馈

资源简介：

GS-Blur数据集是由首尔国立大学创建的一个用于真实图像去模糊的3D场景数据集。该数据集通过3D高斯喷射（3DGS）技术从多视角图像中重建3D场景，并沿随机生成的运动轨迹渲染模糊图像，从而生成大量真实且多样化的模糊图像。数据集包含156209条数据，涵盖了多种模糊类型和轨迹，旨在解决现有数据集在模糊多样性和真实性方面的不足。GS-Blur数据集的应用领域主要集中在图像去模糊技术，旨在提高去模糊网络在真实世界模糊图像上的泛化能力。

提供机构：

首尔国立大学

创建时间：

2024-10-31

AI搜集汇总

数据集介绍

构建方式

GS-Blur数据集通过一种创新的方法构建，利用3D高斯喷射（3DGS）技术从多视角图像中重建3D场景。首先，从现有的多视角数据集MVImgNet中选择图像，训练3DGS模型以重建3D场景。随后，通过在随机生成的运动轨迹上移动相机视图，从这些重建的3D场景中渲染出模糊图像。这种方法不仅避免了传统数据集在捕捉真实模糊时的局限性，还通过多样化的相机轨迹生成了更加真实和多样的模糊类型。

使用方法

GS-Blur数据集适用于训练各种去模糊网络，特别是那些需要大量多样化模糊图像的深度学习模型。使用者可以通过下载数据集并按照提供的训练协议进行模型训练。数据集包含了清晰图像和对应的模糊图像对，以及详细的构建方法和参数设置，确保研究者能够复现实验结果并进行进一步的研究。

背景与挑战

背景概述

GS-Blur数据集由首尔国立大学的Dongwoo Lee、Joonkyu Park和Kyoung Mu Lee等人于2024年提出，旨在解决现有图像去模糊数据集在模糊类型多样性和真实世界模糊场景反映不足的问题。该数据集通过3D高斯喷射（3DGS）技术，从多视角图像中重建3D场景，并沿随机生成的运动轨迹渲染模糊图像，从而生成具有高度真实感和多样性的模糊图像。GS-Blur数据集的提出，不仅丰富了模糊图像的类型，还显著提升了去模糊网络在真实世界模糊图像上的泛化能力，对图像恢复领域具有重要影响。

当前挑战

GS-Blur数据集在构建过程中面临多项挑战。首先，现有数据集主要通过合成或复杂相机系统收集模糊图像，这些方法在模糊类型（模糊轨迹）的多样性上存在局限，或需要大量人力重建大规模数据集，无法全面反映真实世界的模糊场景。其次，合成模糊图像的方法依赖于高帧率相机捕捉连续清晰帧，通过聚合这些帧生成模糊图像，但这种模糊与真实世界模糊存在差异，泛化能力有限。此外，使用分光镜相机系统生成更真实的模糊图像，虽然适用于实际应用，但需要精确的相机系统设计，且依赖特定相机模型，限制了其通用性。GS-Blur通过创新的3D场景重建和渲染方法，有效克服了这些挑战，提供了更具泛化能力的去模糊数据集。

常用场景

经典使用场景

GS-Blur数据集的经典使用场景主要集中在图像去模糊任务中。通过利用3D高斯喷射技术（3DGS）从多视角图像中重建3D场景，并沿着随机生成的运动轨迹渲染模糊图像，该数据集提供了大量真实且多样化的模糊图像对。这些图像对被广泛用于训练深度神经网络，以提高其在真实世界模糊图像上的去模糊性能。

解决学术问题

GS-Blur数据集解决了现有去模糊数据集在模糊类型多样性和真实性方面的不足。传统数据集要么通过合成方法生成模糊图像，要么使用复杂的相机系统捕捉真实模糊，但这些方法在模糊轨迹的多样性或数据集规模上存在局限。GS-Blur通过模拟真实世界的模糊场景，提供了更广泛和多样化的模糊类型，有助于提升去模糊算法在实际应用中的泛化能力。

实际应用

GS-Blur数据集在实际应用中具有广泛的前景，特别是在需要高质量图像恢复的领域，如监控系统、自动驾驶和医学成像。通过提供真实且多样化的模糊图像对，该数据集能够有效训练和验证去模糊算法，从而在实际场景中实现更精确的图像恢复，提升系统的整体性能和可靠性。

数据集最近研究

相关研究论文

1
GS-Blur: A 3D Scene-Based Dataset for Realistic Image Deblurring首尔国立大学 · 2024年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4099个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

Breast Ultrasound Images (BUSI)

小型（约500×500像素）超声图像，适用于良性和恶性病变的分类和分割任务。

github 收录

flames-and-smoke-datasets

该仓库总结了多个公开的火焰和烟雾数据集，包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述，包括数据来源、图像数量、标注信息等。

github 收录

中国裁判文书网

中国裁判文书网是中国最高人民法院设立的官方网站，旨在公开各级法院的裁判文书。该数据集包含了大量的法律文书，如判决书、裁定书、调解书等，涵盖了民事、刑事、行政、知识产权等多个法律领域。

wenshu.court.gov.cn 收录

中国交通事故深度调查（CIDAS）数据集

交通事故深度调查数据通过采用科学系统方法现场调查中国道路上实际发生交通事故相关的道路环境、道路交通行为、车辆损坏、人员损伤信息，以探究碰撞事故中车损和人伤机理。目前已积累深度调查事故10000余例，单个案例信息包含人、车、路和环境多维信息组成的3000多个字段。该数据集可作为深入分析中国道路交通事故工况特征，探索事故预防和损伤防护措施的关键数据源，为制定汽车安全法规和标准、完善汽车测评试验规程、

北方大数据交易中心收录

DAGM 2007

DAGM 2007数据集是一个用于工业图像分类的基准数据集，主要用于研究表面缺陷检测。该数据集包含6个不同类别的图像，每个类别有1000张正常图像和150张带有缺陷的图像。数据集的目的是评估和比较不同算法在工业图像中的缺陷检测能力。