zmy1234567890/tintedglass-rdt-synth
TintedGlass RDT — 贴膜玻璃合成反射数据 + 实拍配对测试集 面向贴膜玻璃（车窗/建筑膜）场景的单图反射去除合成数据。核心构造： I = α(x)·T + α(x)^p·R + n，其中 α(x) ∈ (0,1] 是空间变化的膜透过率场 （覆盖突变 + 弧状缓变），p=0 —— 反射强度不随膜衰减，这是贴膜场景与通用 SIRR 合成集（一般 p=1）的关键差别。 仓库结构 train/rdt_0915/ 合成训练三元组（4000 场景 × 5 档 = 20000 样本, 448²） T/{sid}.png 透射层（各档共享） R/{sid}.png 反射层（各档共享） I/{sid}_l{030,045,060,075,100}.png 合成输入（5 档） alpha/{sid}_l{...}.npy 透过率场（float16, 448×448） m/{sid}.npy… See the full description on the dataset page: https://huggingface.co/datasets/zmy1234567890/tintedglass-rdt-synth.
TintedGlass RDT — 贴膜玻璃合成反射数据 + 实拍配对测试集
面向贴膜玻璃（车窗/建筑膜）场景的单图反射去除合成数据。核心构造： I = α(x)·T + α(x)^p·R + n，其中 α(x) ∈ (0,1] 是空间变化的膜透过率场 （覆盖突变 + 弧状缓变），p=0 —— 反射强度不随膜衰减，这是贴膜场景与通用 SIRR 合成集（一般 p=1）的关键差别。
仓库结构
train/rdt_0915/ 合成训练三元组（4000 场景 × 5 档 = 20000 样本, 448²）
T/{sid}.png 透射层（各档共享）
R/{sid}.png 反射层（各档共享）
I/{sid}_l{030,045,060,075,100}.png 合成输入（5 档）
alpha/{sid}_l{...}.npy 透过率场（float16, 448×448）
m/{sid}.npy 膜覆盖二值场（float16; alpha = clip(level·g·m + (1-m), 0.01, 1))
g/{sid}.npy 弧状缓变增益场（float16）
meta.json 全部生成参数（levels / spatial / noise / r_pool / physics）
test/synth_v21_0913/ 12 场景 × 3 档（α=0.3/0.6/1.0）= 36 样本
test/synth_v22_scan/ 12 场景 × 8 档（α=0.05…1.0）= 96 样本
test/synth_v23_lowscan/ 48 场景 × 5 档（α=0.05…1.0）= 240 样本
test/synth_v21_indomain/ 12 场景 × 3 档，与训练集同源（**结论不可引用**，仅供完整性）
test/real_pair_0917/ 13 场景/13 输入，实拍配对（6 月，弱反射）——**仅评测**
test/real_pair_apr_0917/ 6 场景/16 输入，实拍配对（4 月，强反射）——**仅评测**
test/real_pair_may_0917/ 5 场景/14 输入，实拍配对（5 月，局部极强）——**仅评测**
pools/ 131 张反射层源池（合成 R 层的原材料, 38 个 RRW 场景）
r_train_0915_meta.csv 源池元数据合成测试集目录：gt/t{XX}.png（透射 GT）、r/t{XX}.png（反射层）、 levels/alpha_{lv}/t{XX}.png（各档输入）、alpha/（透过率场）、meta.json。
实拍配对集目录（两套命名）：
real_pair_0917/{scene}/ I.png（有反射输入） T.png（无反射参考） N.png（近无反射帧） meta.json
real_pair_{apr,may}_0917/{scene}/
GT.png 场景无反射参考帧（与 vehicle_ssd 训练数据同源）
I_{frame:06d}.png 该场景的多个反射输入帧（帧号见文件名）
meta.json gt_frame（GT 帧号）、inputs{帧号: shift/peak_ratio/D_med/...}注意：无反射参考帧（T.png / GT.png）与 vehicle_ssd 训练数据字节级同源， 因此这三套集只能用于评测，进入任何训练/调参流程即污染（各目录内有 DO_NOT_USE_IN_TRAINING.md）。
生成参数（train/rdt_0915）
泄漏核查：T 源已经过内容级核查（md5 + 感知哈希/聚类），与 v21/v22 测试集无重叠； v23 的 R 源曾误入旧训练池（v23 结果已被标记不可引用）。
用途与已知结论
这条数据用于 RDNet（CVPR 2025）的贴膜域微调：冻 FocalNet 主干训练其余参数， 配套权重见 zmy1234567890/tintedglass-rdnet-synth-ft。
重要负结果：合成域微调不能迁移到实拍（三套实拍配对集 gain-matched PSNR 全部变差 −0.44 ~ −3.87 dB，Wilcoxon p<0.05）。候选原因是合成 T 无噪声/JPEG、 R 来自公开反射视频、α 场人工合成，与实拍域存在系统性差异。用本数据复现微调时 请把它当作"域差研究"的素材，而不是可直接部署的配方。
来源与许可
- 合成层（T 源、R 池）来自公开学术数据集（SIR²、RRWDataset 等），仅供研究； 再分发前请自行核对各上游数据集许可。
- 实拍配对集为拍摄者自有素材（手机拍摄），仅授权研究用途；含车牌/建筑等场景信息， 请勿用于人脸识别、车牌识别等二次任务。