LOL-v2数据集和VE-LOL数据集的区别

LOL-v2数据集和VE-LOL数据集的区别

LOL-v2

LOL-v2数据集[64]包括两个不同的子集，即LOL-v2-real和LOL-v2-synthetic。LOL-v2-real子集是通过改变ISO和曝光时间在真实场景中捕获的，包括689对用于训练和测试的图像。在LOL-v2-synthetic子集中，通过分析低光照图像的照明分布，从RAW图像合成低光照图像。该子集包含1,000对低光照/正常图像，选择了900对用于训练和100对用于测试。

VE-LOL

VE-LOL [32]是一个用于低光照图像增强的大规模数据集，提供了2,500对低光照/正常光照的图像，场景更加多样化。与LOL不同，VE-LOL还在RAW图像级别考虑了噪声建模，并且使用了四种不同的相机捕获了噪声：索尼A7R、奥林巴斯E-M10、索尼RX100 IV和华为Nexus 6P。

为了公平比较，我们对这些方法使用已发布的代码，无需任何修改。由于 Zero-DCE(Guo et al., 2020) 和 EnlightenGAN(Jiang et al., 2021) 使用未配对的数据进行训练，我们使用他们发布的预训练模型进行比较。LOL 数据集 (Wei et al., 2018) 通过改变相机的曝光时间和 ISO 来捕获 500 对真实的低/正常光图像，其中包括 485 个训练图像和 15 个测试图像。VE-LOL(Liu et al., 2021) 包含两个子集：配对 VE-LOL-L 用于训练和评估LLIE 方法，并使用非配对 VE-LOLH 来评估LLIE 方法对人脸检测的影响。在这里，我们使用 VELOL-L。VE-LOL-L 中有 500 个真实场景图像，其中 400 个用于训练，100 个用于测试。

参考文献
Under review as a conference paper at ICLR 2023 RETINEXUTV: ROBUST RETINEX MODEL WITH UNFOLDING TOTAL VARIATION

LLDiffusion: Learning Degradation Representations in Diffusion Models for Low-Light Image Enhancement