Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2508.19154

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2508.19154 (eess)
[提交于 2025年8月26日 ]

标题: RDDM:面向真实世界图像修复的RAW域扩散模型实践

标题: RDDM: Practicing RAW Domain Diffusion Model for Real-world Image Restoration

Authors:Yan Chen, Yi Wen, Wei Li, Junchao Liu, Yong Guo, Jie Hu, Xinghao Chen
摘要: 我们提出了RAW域扩散模型(RDDM),这是一种端到端的扩散模型,可以直接从传感器RAW数据中恢复照片级真实感图像。 尽管最近的sRGB域扩散方法取得了令人印象深刻的结果,但它们在高保真度和真实生成之间陷入了一个两难境地。 由于这些模型处理的是有损的sRGB输入,并且在许多场景中忽略了传感器RAW图像的可访问性,例如在边缘设备中的图像和视频捕捉,导致性能次优。 RDDM通过直接在RAW域中恢复图像来绕过这一限制,替换了传统的两阶段图像信号处理(ISP)+ IR流程。 然而,将预训练的扩散模型简单地适应到RAW域会遇到分布外(OOD)问题。 为此,我们提出:(1)一个RAW域变分自编码器(RVAE),学习最优潜在表示,(2)一个可微的后期色调处理(PTP)模块,实现RAW和sRGB空间的联合优化。 为了弥补数据集的不足,我们开发了一个可扩展的退化流程,从现有的sRGB数据集中合成RAW低质量-高质量(LQ-HQ)对以进行大规模训练。 此外,我们设计了一个可配置的多拜耳(CMB)LoRA模块,用于处理各种RAW模式,如RGGB、BGGR等。 大量实验表明,RDDM在最先进的sRGB扩散方法上表现出优势,产生了更高保真度的结果,且伪影更少。
摘要: We present the RAW domain diffusion model (RDDM), an end-to-end diffusion model that restores photo-realistic images directly from the sensor RAW data. While recent sRGB-domain diffusion methods achieve impressive results, they are caught in a dilemma between high fidelity and realistic generation. As these models process lossy sRGB inputs and neglect the accessibility of the sensor RAW images in many scenarios, e.g., in image and video capturing in edge devices, resulting in sub-optimal performance. RDDM bypasses this limitation by directly restoring images in the RAW domain, replacing the conventional two-stage image signal processing (ISP) + IR pipeline. However, a simple adaptation of pre-trained diffusion models to the RAW domain confronts the out-of-distribution (OOD) issues. To this end, we propose: (1) a RAW-domain VAE (RVAE) learning optimal latent representations, (2) a differentiable Post Tone Processing (PTP) module enabling joint RAW and sRGB space optimization. To compensate for the deficiency in the dataset, we develop a scalable degradation pipeline synthesizing RAW LQ-HQ pairs from existing sRGB datasets for large-scale training. Furthermore, we devise a configurable multi-bayer (CMB) LoRA module handling diverse RAW patterns such as RGGB, BGGR, etc. Extensive experiments demonstrate RDDM's superiority over state-of-the-art sRGB diffusion methods, yielding higher fidelity results with fewer artifacts.
主题: 图像与视频处理 (eess.IV) ; 人工智能 (cs.AI); 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2508.19154 [eess.IV]
  (或者 arXiv:2508.19154v1 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.19154
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yan Chen [查看电子邮件]
[v1] 星期二, 2025 年 8 月 26 日 16:06:17 UTC (4,237 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.AI
cs.CV
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号