SimROD:一种结合全局与局部增强的 RAW 目标检测简单基线
计算机视觉与模式识别
2025-11-18 v3
摘要
大多数视觉模型是为 sRGB 图像设计的,然而 RAW 数据通过保留 ISP 处理前的传感器信息,为目标检测提供了显著优势。这使得通过绕过 ISP 能够提高检测精度并实现更高效的硬件设计。然而,由于训练数据有限、像素分布不均以及传感器噪声,RAW 目标检测面临挑战。为了解决这些问题,我们提出了 SimROD,一种用于 RAW 目标检测的轻量且有效的方法。我们引入了全局 Gamma 增强(GGE)模块,该模块应用仅含四个参数的可学习全局 Gamma 变换,在保持模型高效的同时改善了特征表示。此外,我们利用绿通道更丰富的信号来增强局部细节,这与人眼敏感度和拜耳滤波器设计相一致。在多个 RAW 目标检测数据集和检测器上的大量实验表明,SimROD 在保持效率的同时优于 RAW-Adapter 和 DIAP 等现有 SOTA 方法。我们的工作突出了 RAW 数据在真实世界目标检测中的潜力。代码可在 https://ocean146.github.io/SimROD2025/ 获取。
引用
@article{arxiv.2503.07101,
title = {SimROD: A Simple Baseline for Raw Object Detection with Global and Local Enhancements},
author = {Haiyang Xie and Xi Shen and Shihua Huang and Qirui Wang and Zheng Wang},
journal= {arXiv preprint arXiv:2503.07101},
year = {2025}
}
备注
Accepted by AAAI 2026. Code is available at https://ocean146.github.io/SimROD2025/