跳到正文
arXiv · 机器人与计算机视觉· Taranum Wasu, Harsh Kashyap, HS Pannu·· 2 天前AI 评分73

何时昂贵的方法值得?基于内容的经典拜耳去马赛克分析

When Is the Expensive Method Worth It? A Content-Driven Analysis of Classical Bayer Demosaicing

AI 导读

针对拜耳去马赛克中方向性插值法计算成本高但收益不确定的问题,该研究在 80 张基准图像上验证了质量增益与图像饱和度的强相关性(r=-0.86),并构建了无需深度学习的可解释决策树。该方法能根据图像描述符推荐最佳廉价算法,在留一验证中比始终选择最常用方法的基线提升 20.0 个百分点,且所有步骤均可检查。

来源:arXiv · 机器人与计算机视觉 · arxiv.org