Raindrop Clarity: A Dual-Focused Dataset for Day and Night Raindrop Removal

现有的雨滴去除数据集存在两个缺点。首先，它们由专注于背景的相机拍摄的图像组成，导致雨滴模糊不清。据我们所知，这些数据集中没有包括专门关注雨滴的图像，这会导致背景模糊。其次，这些数据集主要由日间图像组成，因此缺乏夜间雨滴场景。因此，这些数据集训练的算法可能难以在专注于雨滴或夜间场景中有效执行。缺乏专门设计用于雨滴和夜间雨滴的数据集限制了该领域的研究。本文介绍了一个大规模的、真实世界的雨滴去除数据集，称为Raindrop Clarity。Raindrop Clarity包括15,186个高质量的图像对/三元组（雨滴、模糊和背景），其中包括带有雨滴的图像和相应的清晰背景图像。其中有5,442张白天雨滴图像和9,744张夜间雨滴图像。具体而言，5,442张白天图像包括3,606张雨滴和1,836张背景聚焦的图像。而9,744张夜间图像包含4,838张雨滴和4,906张背景聚焦的图像。我们的数据集将使研究人员能够探索专注于背景和雨滴的图像，包括白天和夜间条件下独特的挑战。我们的数据和代码可在以下网址获得：\url{https://github.com/jinyeying/RaindropClarity}。

论文旨在解决现有雨滴去除数据集的两个缺陷，即模糊的雨滴图像和缺少夜间雨滴图像，为此提出了一个新的大规模雨滴去除数据集Raindrop Clarity。

论文提出了一个新的大规模雨滴去除数据集Raindrop Clarity，其中包括15,186对高质量的雨滴和对应的清晰背景图像，解决了现有数据集中的两个缺陷。

Raindrop Clarity数据集包含了具有挑战性的雨滴和背景聚焦图像，包括白天和夜晚的场景，并提供了开源代码。该论文为研究雨滴去除问题提供了新的数据集和解决思路。

最近的相关研究包括：1）Raindrop Removal using Image Priors Based on the Shape and Size of Rain Streaks；2）Single Image Rain Streak Removal by Convolutional Neural Networks；3）A Novel Tensor-Based Video Rain Streaks Removal Approach via Utilizing Discriminatively Intrinsic Priors。