超越 RGB：面向 RAW 目标检测的自适应并行处理
计算机视觉与模式识别
2025-07-22 v2
摘要
目标检测模型通常应用于通过图像信号处理（ISP）流水线处理的标准 RGB 图像，这些流水线旨在增强传感器捕获的 RAW 图像以供人类视觉使用。然而，这些 ISP 功能可能导致关键信息的丢失，而这些信息对于优化计算机视觉任务（如目标检测）可能是必不可少的。在这项工作中，我们引入了 RAW 自适应模块（Raw Adaptation Module, RAM），该模块旨在替代传统的 ISP，其参数专门针对 RAW 目标检测进行了优化。受人眼视觉系统并行处理机制的启发，RAM 通过并行而非顺序地应用多个 ISP 功能，偏离了现有的学习型 ISP 方法，从而能够更全面地捕获图像特征。这些处理后的表示随后在一个专用模块中进行融合，该模块针对目标任务动态地整合和优化信息。这种新颖的方法不仅利用了 RAW 传感器数据的全部潜力，还实现了任务特定的预处理，从而带来了卓越的目标检测性能。我们的方法优于基于 RGB 的方法，并在不同光照条件和动态范围下的多样化 RAW 图像数据集上取得了 SOTA 结果。
引用
@article{arxiv.2503.13163,
title = {Beyond RGB: Adaptive Parallel Processing for RAW Object Detection},
author = {Shani Gamrian and Hila Barel and Feiran Li and Masakazu Yoshimura and Daisuke Iso},
journal= {arXiv preprint arXiv:2503.13163},
year = {2025}
}