Компьютерная наука > Компютерное видение и распознавание моделей [представлено 28 сентября 2025 года (v1), последний пересмотренный вариант от 21 октября 2026 года (эта версия v3)] Название: $\mathbf {R}>3 долл. Большинство реконструкционных сетей обучаются снимкам SRGB после SPIP, даже несмотря на то, что трубопровод обработки изображений необратимо смешивает цвета, динамический диапазон клипов и размытых деталей. В настоящем документе проблема деградации осадков используется в качестве одного из практических примеров того, как можно избежать таких потерь и что обучение непосредственно на сырых мозаиках Байера дает более высокие результаты восстановления. Для обоснования этого утверждения мы i) оцениваем трубопроводы после проведения ОСП и восстановления Байера, ii) проводим куру Raw-Rain - первый общественный показатель реальных дождливых сцен, запечатленных как в 12-битном Bayer, так и в битосодержащем SRGB, а также iii) внедряем систему сохранения информации (ICS), которая является неизменяемой цветом, более тесно соотносящейся с человеческим мнением, чем PSNR или SSIM. При разделе теста наша модель с сырым доменом улучшает результаты SRGB на +0,99 дБ PSNR и +1,2% МЦНН, одновременно работая быстрее с половиной ГФЛОП. В этих результатах пропагандируется последняя парадигма ISP для низкоуровневого видения и открываются двери для окончательных обучаемых видеокамер. История представления: Nate Rothschild [видение электронной почты] [v1] Sun, 28 сентября 2025 года 18:31:24…
$\mathbf {R}3 долл.: Реконструкция, сорняки и дождь: выведение из строя непосредственно в районе Байера
arXiv: 25009.24022v3 Annuate Type: заменить резюме: Реконструкция изображений с помощью искаженных образов имеет решающее значение во многих областях. Большинство реконструкционных сетей обучаются снимкам SRGB после SPIP, даже несмотря на то, что трубопровод обработки изображений необратимо смешивает цвета, динамический диапазон клипов и размытых деталей. В настоящем документе проблема деградации осадков используется в качестве одного из практических примеров того, как можно избежать таких потерь и что обучение непосредственно на сырых мозаиках Байера дает более высокие результаты восстановления. Для обоснования этого утверждения мы i) оцениваем трубопроводы после проведения ОСП и восстановления Байера, ii) проводим куру Raw-Rain - первый общественный показатель реальных дождливых сцен, запечатленных как в 12-битном Bayer, так и в битосодержащем SRGB, а также iii) внедряем систему сохранения информации (ICS), которая является неизменяемой цветом, более тесно соотносящейся с человеческим мнением, чем PSNR или SSIM. В ходе испытания наша модель первичного домена улучшает результаты SRGB на +0,99 дБ PSNR и +1,2% МЦНН, при этом она работает быстрее с половиной