File size: 3,081 Bytes
511cdb7
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
# YOND WebUI 使用说明

> 本文档由 **Kimi 2.7 Code** 协助撰写。README.md 与 UPDATE_LOG.md 同样由 Kimi 2.7 Code 生成。

## 简介

YOND(You Only Need a Denoiser)是一个实用化的盲 RAW 图像去噪 Demo。
本 Space 基于 Gradio 提供 WebUI,支持上传 RAW 文件、自动/手动噪声估计、神经网络去噪以及结果打包下载。

## 快速开始

1. **Load Config**:选择预设模型配置(如 `runfiles/Gaussian/gru32n_ft.yml`),加载模型权重。
2. **Upload Raw Image****Load Example**:上传 `.dng / .arw / .nef / .cr2 / .raw / .npy / .mat` 文件,或加载示例图。
3. **Load Image**:读取 RAW 并显示预览。若需要调整黑电平、白点、DGain、ISP Gain,修改左侧参数后点击 **Update Image**4. **Noise Estimation**:自动估计系统增益 `K` 和读出噪声 `σ`   - 勾选 **Refined Estimation** 会先粗略去噪再精估计。
   - 勾选 **RANSAC** 可增强对异常值的鲁棒性。
5. **Denoising**:执行去噪,结果会显示在 **Output Image** 标签页。
6. **Download ZIP**:在 **Download Manager** 中选择需要打包的内容与格式,一键下载。
7. **Release GPU**:用完后释放显存。

## YAML 参数覆盖**Parameter Override (YAML)** 区域可上传 YAML 文件覆盖当前运行参数。

支持字段:

| 字段 | 说明 | 示例 |
|---|---|---|
| `wb` | 白平衡增益,支持 1×3 `[R,G,B]` 或 1×4 `[R,G1,B,G2]` | `[2.0, 1.0, 2.0]` |
| `ccm` | 3×3 颜色校正矩阵 | `[[1,0,0],[0,1,0],[0,0,1]]` |
| `bl` | 黑电平 | `64.0` |
| `wp` | 白点 | `1023.0` |
| `ratio` | 数字增益 DGain | `1.0` |
| `ispgain` | ISP 预览增益(仅可视化) | `1.0` |
| `gain` | 系统增益 K | `10.0` |
| `sigma` | 读出噪声 σ | `5.0` |
| `sigsnr` | 信噪比缩放系数 | `1.03` |
| `ddim_mode` | 是否启用 DDIM 采样 | `false` |
| `epoch` | DDIM 迭代步数 | `10` |
| `sigma_t` | DDIM sigma_t | `0.8` |
| `eta_t` | DDIM eta_t | `0.85` |
| `patch_size` | 去噪分块大小 | `1024` |

**使用方式**- 点击 **Download Template** 下载当前参数的 YAML 模板(默认全部注释)。
- 取消注释需要覆盖的参数行,保存后上传并点击 **Load Params**- 手动指定的 `wb` / `ccm` 在加载新的 RAW 文件时会被保留,不会被 RAW 元数据覆盖。

## 下载 ZIP**Download Manager** 中:
- **ZIP Contents**:选择打包内容
  - Input (Noisy):原始噪声图
  - Output (Denoised):去噪结果
  - Mask:噪声估计掩模
- **ZIP Formats**:选择格式
  - NPY:原始 numpy 数组
  - PNG:可视化图像
- 点击 **Download ZIP** 下载压缩包。

## 本地运行

```bash
# 安装依赖
pip install -r requirements.txt

# 运行 Gradio 应用
python app.py
```

> 注意:完整去噪需要 CUDA GPU。Windows 用户建议使用包含 `cv2`、`torch`、`pyarmor` 等包的 conda 环境。

## 致谢

- 论文:[YOND - You Only Need a Denoiser](https://arxiv.org/abs/2506.03645)
- 界面与代码优化由 **Kimi 2.7 Code** 协助完成。