螺旋扩散：基于 LoRA 的 RGB 到 RAW 转换框架
计算机视觉与模式识别
2026-03-17 v1
摘要
RAW 图像相较于 RGB 图像保留着更高的保真度和丰富的场景信息，在面对挑战性成像条件时尤为重要。为降低数据采集成本，近期的 RGB 到 RAW 转换方法致力于从 RGB 合成 RAW 图像。然而，这些方法忽略了两个关键挑战：(i) 重建难度随像素强度而异，(ii) 多摄像机转换需要针对不同摄像机进行适配。为解决这些问题，我们提出了 SpiralDiff——一个针对 RGB 到 RAW 转换的扩散模型框架，采用信噪比依赖的噪声加权策略，使重建保真度在不同强度水平上自适应。在此基础上，我们引入 CamLoRA——一个摄像机感知的轻量级适配模块，使统一模型能够适配不同摄像机特定的 ISP 特征。大量实验表明，SpiralDiff 在四个基准数据集上在 RGB 到 RAW 转换质量方面显著优于现有方法，并在基于 RAW 的目标检测下游任务中取得积极效果。我们的代码和模型已公开于 https://github.com/Chuancy-TJU/SpiralDiff。
引用
@article{arxiv.2603.14885,
title = {SpiralDiff: Spiral Diffusion with LoRA for RGB-to-RAW Conversion Across Cameras},
author = {Huanjing Yue and Shangbin Xie and Cong Cao and Qian Wu and Lei Zhang and Lei Zhao and Jingyu Yang},
journal= {arXiv preprint arXiv:2603.14885},
year = {2026}
}
备注
Accepted by CVPR 2026