配对的合成建筑工地图像数据集，可在不利条件下实现稳健的计算机视觉

用于施工监控的计算机视觉系统在不利的环境和视觉条件下可能会退化，但此类条件在现有的施工图像数据集中仍然不足。我们提出了 ConSynth-X，这是一个配对的合成建筑工地图像数据集，包含源自 3,109 个真实世界源场景的 34,199 张图像。该数据集包含 11 个特定条件子集，涵盖降水、雾、夜间照明、夜间恶劣天气以及小物体或远距离视图。每个合成图像都链接到其相应的源场景，从而能够在环境和视觉条件下进行受控比较。 ConSynth-X 包括源自源的注释、生成元数据、出处信息和图像质量指示器，支持对象检测、图像字幕、视觉基础和视觉问答。技术验证使用基于嵌入的相似性和分布分析来评估源合成保真度以及与真实不利条件图像的一致性。该数据集提供了结构化资源，用于在具有挑战性的现场条件下评估和提高施工视觉和视觉语言模型的稳健性。