PulseAugur
中
实时 12:41:56
English(EN) MambaRaw: Selective State Space Modeling for Efficient 4K Raw Image Reconstruction

MambaRaw 使用状态空间模型进行高效的4K原始图像重建

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了MambaRaw，一个使用JPEG预览重建高分辨率原始图像的新框架。该方法利用状态空间模型（SSMs）高效估计熵参数，克服了传统注意力机制在高分辨率下的计算开销。MambaRaw结合了空间-能量耦合上下文建模机制和TileMambaBlock进行选择性扫描，以及能量感知细化（EAR）来增强特征表示。在Sony、Olympus和Samsung数据集上的实验表明，MambaRaw在JPEG引导的原始图像重建方面取得了最先进的成果，在PSNR方面有显著提高，并降低了编码延迟。 AI

影响 引入了一种更有效的原始图像重建方法，有望提高数码相机的图像质量并降低存储成本。

排序理由 该集群描述了一篇详细介绍新颖图像重建方法的最新研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

MambaRaw 使用状态空间模型进行高效的4K原始图像重建

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Peize Li, Fanhu Zeng, Tongda Xu, Xingguo Xu, Xinjie Zhang, Xingtong Ge, Haotian Zhang, Yan Wang ·

    MambaRaw: Selective State Space Modeling for Efficient 4K Raw Image Reconstruction

    arXiv:2606.24479v1 Announce Type: new Abstract: In-camera JPEG previews are ubiquitous in raw image formats and provide an sRGB reference at negligible storage cost. Although existing metadata-based reconstruction frameworks can exploit this side information when recovering raw i…

  2. arXiv cs.CV TIER_1 English(EN) · Yan Wang ·

    MambaRaw: Selective State Space Modeling for Efficient 4K Raw Image Reconstruction

    In-camera JPEG previews are ubiquitous in raw image formats and provide an sRGB reference at negligible storage cost. Although existing metadata-based reconstruction frameworks can exploit this side information when recovering raw images, their context models often become computa…

相关实体

相关话题