論文の概要: Visual Autoregressive Priors for RAW-to-sRGB Image Signal Processing

• arxiv url: http://arxiv.org/abs/2609.18302v1
• Date: Wed, 16 Sep 2026 08:24:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.710378
• Title: Visual Autoregressive Priors for RAW-to-sRGB Image Signal Processing
• Title（参考訳）: RAW-to-SRGB画像信号処理のための視覚的自己回帰前処理
• Abstract要約: 本稿では、RAW-to-sRGB ISPタスクに対して、離散画像コードブック上での視覚的自己回帰予測を初めて適用する。 そこで本研究では,ウェーブレットLLコサイン類似度と彩色エッジを用いて低周波トーンを監督する周波数分解色損失を提案する。 Zurich RAW-to-sRGBベンチマークでは、PSNR-Yを21.31から21.89,dBに改善し、LPIPSを1,204イメージの完全なテストセットで0.276から0.218に削減した。
• 参考スコア（独自算出の注目度）: 27.456086797137676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: RAW-to-sRGB image signal processing (ISP) must recover perceptually faithful colors and fine details from sensor measurements, often under imperfect spatial alignment and missing camera metadata. This paper presents, to the best of our knowledge, the first application of visual autoregressive (VAR) next-scale prediction over a discrete image codebook to the RAW-to-sRGB ISP task. We adapt a frozen 1.10\,B-parameter VAR backbone for RAW-conditioned ISP with only 32.93\,M trainable parameters (2.99\%), and propose a frequency-decomposed color loss that separately supervises low-frequency tone via wavelet LL cosine similarity and chromatic edges via detail-band $\ell_1$. On the Zurich RAW-to-sRGB benchmark, the method improves PSNR-Y from 21.31 to 21.89\,dB and reduces LPIPS from 0.276 to 0.218 on the full 1,204-image test set. Diagnostic experiments show that the VAR prior preserves structure well, but continuous color transfer remains the dominant bottleneck: oracle affine correction recovers 3.8\,dB, while learned color heads yield marginal gains.
• Abstract（参考訳）: RAW-to-sRGB画像信号処理(ISP)は、しばしば不完全な空間アライメントとカメラメタデータの欠如の下で、知覚に忠実な色と細部をセンサー測定から回収しなければならない。 本稿では、我々の知る限り、RAW-to-sRGB ISPタスクに対して、離散画像コードブック上での視覚的自己回帰(VAR)の次のスケール予測を初めて適用した例を示す。 RAW条件付きISPの1.10\,BパラメータVARバックボーンを32.93\,Mのトレーニング可能なパラメータ(2.99\%)に適応し、ウェーブレットLLコサイン類似度と色エッジをディテールバンド$\ell_1$で別々に監視する周波数分解色損失を提案する。 チューリッヒのRAW-to-sRGBベンチマークでは、PSNR-Yを21.31から21.89に改善し、LPIPSを0.276から0.218に削減する。 診断実験により、VARは構造をよく保存するが、連続的な色移動は依然として主要なボトルネックであり、オラクルアフィン補正は3.8\,dBを回復し、学習された色ヘッドは限界ゲインを生じる。

関連論文リスト

• Benchmarking RAW and RGB Restoration in Image Signal Processors [58.613429740440324]
  現代のカメラはRAWセンサ計測を画像信号プロセッサ(ISP)を介してsRGB画像に変換する 固定ISPの周囲に盲点回復のための2つの配置をベンチマークする。 以上の結果から,配置だけでは性能を判断できないことが明らかとなった。
  論文  参考訳（メタデータ） (2026-09-02T17:15:44Z)
• RAW-Flow: Advancing RGB-to-RAW Image Reconstruction with Deterministic Latent Flow Matching [55.03149221192589]
  本稿では,RGBとRAW表現のギャップを埋めるためにRAW-Flowという新しいフレームワークを提案する。 また、階層的なRGB機能をフロー推定プロセスに注入する、大規模コンテキストガイダンスモジュールも導入する。 RAW-Flowは、定量的にも視覚的にも最先端のアプローチより優れている。
  論文  参考訳（メタデータ） (2026-01-28T08:27:38Z)
• Towards RAW Object Detection in Diverse Conditions [65.30190654593842]
  62のカテゴリにまたがる135,601のアノテーション付きインスタンスを備えた7,785の高分解能実RAW画像を提供するAODRawデータセットを紹介した。 sRGB と RAW の領域ギャップにより RAW オブジェクト検出の可能性は sRGB と RAW との事前学習によって制限されることがわかった。 我々は,RAW事前学習を支援するために,SRGBドメインで事前学習した市販のモデルから知識を抽出する。
  論文  参考訳（メタデータ） (2024-11-24T01:23:04Z)
• Image Demoireing in RAW and sRGB Domains [18.921026683632146]
  我々は、Gated Feedback Module (GFM) と Frequency Selection Module (FSM) を備えたスキップ接続型復号モジュール(SCDM)を開発した。 我々はRGB Guided ISP(RGISP)を設計し、デバイス依存のISPを学習し、色回復のプロセスを支援する。 我々のRRIDは、PSNRでは0.62dB、SSIMでは0.003のモアレパターン除去とカラーキャスト補正の性能において、最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-12-14T16:00:28Z)
• Self-Supervised Reversed Image Signal Processing via Reference-Guided Dynamic Parameter Selection [1.1602089225841632]
  メタデータとペア画像を必要としない自己教師付き逆ISP方式を提案する。 提案手法は,RGB画像を参照RAW画像と同じセンサで同一環境で撮影されたRAWライクな画像に変換する。 提案手法は,他の最先端教師付き手法に匹敵する精度で,様々な逆ISPを学習可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-24T11:12:05Z)
• Reversed Image Signal Processing and RAW Reconstruction. AIM 2022 Challenge Report [109.2135194765743]
  本稿では,AIM 2022 Challenge on Reversed Image Signal Processing and RAW Reconstructionを紹介する。 我々は,メタデータを使わずにRGBから生のセンサイメージを回収し,ISP変換を「逆」することを目的としている。
  論文  参考訳（メタデータ） (2022-10-20T10:43:53Z)
• Transform your Smartphone into a DSLR Camera: Learning the ISP in the Wild [159.71025525493354]
  本稿では,スマートフォンが取得したRAW画像に基づいて,DSLRの品質画像を生成する訓練可能な画像信号処理フレームワークを提案する。 トレーニング画像ペア間の色ずれに対処するために、カラー条件ISPネットワークを使用し、各入力RAWと基準DSLR画像間の新しいパラメトリック色マッピングを最適化する。
  論文  参考訳（メタデータ） (2022-03-20T20:13:59Z)
• Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
  本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。 実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2021-08-18T12:41:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。