当前位置: 首页 > news >正文

The Cube++ Illumination Estimation Dataset 文章总结

The Cube++ Illumination Estimation Dataset

颜色恒常性数据集Cube++

Type: Academic Journal
Author: Ershov
Link: https://ieeexplore.ieee.org/document/9296220
Select: ⭐️⭐️⭐️⭐️
Status: Done
备注: Cube++数据集
Journal: ACCESS
Year: 2020
code: https://github.com/Visillect/CubePlusPlus/

总结

该文章主要提出了一个光源估计得数据集Cube++,每个场景光源由一个或多个组成,数据由RAW图像和校正后的Jpg组成,使用较为方便。文章中说明该数据集主要特点如下

  • 多样性。覆盖更多内容和照明情况可以提高测试质量。
  • 大型。数据集不仅需要多样性,还需要每种情况有足够的图像数量。这可以使得即使对于罕见情况的质量改进也能被察觉。
  • 信息丰富。数据集应该包含尽可能多的有关每个拍摄图像的信息。包括拍摄过程中可用的信息、场景属性的元信息、不同角度的光源信息等。
  • 可更新。每个照明估计数据集通常都包含地面真实照明误差。因此,数据集基础设施应该提供简单可靠的方法来调试数据集并跟踪其版本。
  • 可验证。从上一点可以得出结论,数据集应该可供验证,即所有提供的标记和地面真实值都可以由任何下载源图像的人进行收集和必要时重新创建。
  • 可访问。下载过程太复杂或耗时会降低数据集的价值。
  • GDPR合规。即使一个很好的数据集没有遵守GDPR࿰
http://www.lryc.cn/news/147485.html

相关文章:

  • “烧钱”的大模型,如何迈过存储这道坎?
  • UNIX网络编程卷一 学习笔记 第二十九章 数据链路访问
  • WebGIS的一些学习笔记
  • java Spring Boot将不同配置拆分入不同文件管理
  • Docker(三) 创建Docker镜像
  • Linux操作系统--shell编程(正则表达式)
  • k8s的service mesh功能有那些
  • 【数据库技术】NineData数据复制,加速实时数仓构建
  • Kotlin入门1. 语法基础
  • MVCC简介、工作流程、优缺点
  • pandas由入门到精通-pandas的数据结构
  • jenkins+ssh+Putty构建windows的IIS服务发布
  • 服务器和普通电脑有何区别?43.248.189.x
  • Zookeeper的使用
  • 【实用 Python 库】使用 XPath 与 lxml 模块在 Python 中高效解析 XML 与 HTML
  • 数据库的基本概念
  • 无涯教程-Android - 环境设置
  • 将 ChatGPT 与 ReactJS 集成以实现更智能的对话界面
  • 关于xml中返回string类型代码中用list接收的问题,扫描
  • 【前端demo】CSS border-radius可视化 原生实现
  • Qt Creator使用Clang Format方法
  • 智慧矿山2.0:煤矿智能化综合管理AI大数据监管平台建设方案设计
  • Linux——(第一章)Linux的入门
  • 十六、策略模式
  • Python装饰器
  • 【Spring】使用自定义注解方式实现AOP鉴权
  • Go几种读取配置文件的方式
  • 每日一题(反转链表)
  • 某人事系统架构搭建设计记录
  • uniapp 实现切换tab锚点定位到指定位置