arXiv Computer Vision· Qiyi Xie, Wei Chen Ng, Suyang Xi, Xicheng Wang, Ziyao Li, Bohong Xu, Wenyi Liu, Jian Ding Tan·· 3 小时前AI 评分22
VetoNet：低光增强的选择性生成与可审计风险控制
When Should a Low-Light Pipeline Generate? Auditable Risk Control for Selective Generative Enhancement
AI 导读
VetoNet 将低光增强中的区域生成式覆盖建模为决策问题，仅在无分布假设的 harm-budget 证书允许 LPIPS 感知风险预算时才批准覆盖冻结的修复-生成专家对。实验显示，当专家互补性可预测时它取得统计显著的认证增益，专家相对优势变化时路由方向随之反转，证据不足或跨域偏移时则保守否决切换。
来源：arXiv Computer Vision · arxiv.org