about the dataset

[diadestiny]

您好，感谢您的工作！ 请问文章采用的数据集能公开么 还想请问下table I 对比的方法数据是怎么得到的，很多和对比方法原文公布的SOTS outdoor结果对不上呢 期待您的回复，谢谢！

[yz-wang]

你好，图片中的数据集和实验数据并不是这篇工作的，是我们另一篇在审的论文，后续论文出版后会公布数据集。关于你说的结果与原文公布的SOTS outdoor结果对不上，请问是我们的结果比原文低还是什么？所有开源的模型，我们都是自己训练得到的结果。数据应该都没有问题。有一种可能是，很多原始论文给出的是SOTS数据集（包含indoor和outdoor部分），而我们主要关注的是outdoor，因此结果与完整的SOTS会有差别。

[diadestiny]

抱歉，当时截图错了，我不怀疑您们方法结果的有效性，主要我想follow目前比较新的unpaired/weakly supervised/unsupervised settup的dehaze工作，但是基本上PSD、DAD、RefinedNet、D4、以及您的两篇工作等，论文table的数据都不同，想找一个可复现，性能较好，比较新的工作来follow，请问您有什么建议么； 换而言之，就是比如您这篇工作提到的train数据集设置，那这个数据集设置可以公开么（随机3000张RTTS/URHI，6000张OTS)，或者您是基于哪个开源代码工作的数据集设置进行训练的呢，还是这个数据集设置是您们自己提出的呢。 我看您两篇论文的table1对比的方法除了最后一行提出本文的方法，其他是一样的，所以截图错了，不过表达的问题还是以上问题。

[yz-wang]

数据集的设置是我们自己提出的，选择3000RTTS/3000URHI是想提高数据集的多样性，清晰图像选择OTS，因为ITS是室内不符合现实世界当中的有雾情况，另一方面是证明论文的有效性，仅使用6000张图像就能取得很好的结果。有些无监督dehaze论文是在完整的ITS数据集上跑，当然也有在完整RTTS或URHI上跑的，具体还是看你的模型大小，部分大模型在几千量级的数据上很难拟合，比如在完整OTS数据集（30W+图片）上训练。

[diadestiny]

好的了解了，还有一个问题想请教下，如果用自己提出的数据集设置，您在对比table1的时候需要怎么确保公平性，是不是向您刚刚说的一样，把其他代码尽量在您提出的数据集设置自己重新训练再测试，还是直接用其他方法公布的pretrained model来测试。

[yz-wang]

对，你在评估的时候需要讲清楚实验，例如监督学习的方法需要pair的数据，那么你就需要说明监督方法是在ITS还是OTS上训练的，而无监督方法，你需要保证评估的公平性，即你自己的无监督是怎么训练的，那么其他无监督方法也应该是这样训练