在低光照条件下，各种视觉任务如图像融合、行人检测和图像到图像转换都面临巨大挑战，因为有效目标区域会丢失。在这种情况下，可以将红外图像和可见光图像结合使用，以提供丰富的细节信息和有效的目标区域。本文介绍了LLVIP（低光照视觉的可见光-红外配对数据集），该数据集包含30976张图像，即15488对图像，其中大多数是在非常黑暗的场景下拍摄的，所有图像在时间和空间上均严格对齐。数据集中的人行道已进行标注。我们将该数据集与其他可见光-红外数据集进行了比较，并评估了一些流行的视觉算法（包括图像融合、行人检测和图像到图像转换）在该数据集上的性能。实验结果表明了融合对图像信息的互补效应，并发现了现有三种视觉任务算法在极低光照条件下的不足之处。我们相信LLVIP数据集将通过促进极低光照应用中的图像融合、行人检测和图像到图像转换为计算机视觉社区做出贡献。该数据集已在https://bupt-ai-cz.github.io/LLVIP发布。还提供了原始数据以支持进一步的研究，例如图像配准。