Kernekoncepter
RAW画像を使用してコンピュータビジョンの分類を行うことの利点と、RGBへの変換をスキップすることが処理時間を大幅に短縮できる可能性に焦点を当てた研究。
Resumé
Abstract:
RAW画像はコンピュータビジョン問題で驚くほど未開拓であり、RGBへの変換は新しい情報を導入しないことが示された。
高度な分類器はRAW入力で等価な結果を提供し、新しい公開データセットも提示された。
Introduction:
画像処理アルゴリズムは通常8ビットRGB画像を使用するが、本研究ではRAW画像の利用価値に焦点を当てている。
RAW画像には捕捉情報が含まれ、RGBへの変換処理は非線形操作を含む。
Methods:
RAWおよびRGB画像でCNN分類器をトレーニングし、処理時間や精度を比較。
Packed-RAWおよびBCA-RAWなどの代替的なRAW実装もテスト。
Results:
BCA-RAWでは等価な結果が得られたが、Packed-RAWは若干劣っている傾向。
RAW画像から分類結果までの合計計算時間は、RGBよりも低速。
Discussion and Future Works:
他の研究ではRAW画像がさまざまなコンピュータビジョンタスクに有利に使用されており、本研究でもその有用性が確認された。
実際のアプリケーションに関連付けることで、処理速度の恩恵や転移学習の可能性などさらなる調査が必要。
Statistik
RAWイメージから分類結果までの合計計算時間はRGBより最大8.46倍高速です。