速報
Recoverability Maps：量化影像還原邊界以提升車牌辨識
都市監控與行動攝影可被副用途化為車牌辨識。研究提出recoverabilitymaps透過密集模擬退化參數掃描與兩項指標量化可復原範圍與失敗風險。實驗在極端視角與真實攝影器材雜訊下驗證，最佳模型可回復約93%的參數空間，結果顯示感測幾何比模型架構更決定成敗。
速報
都市監控與行動攝影可被副用途化為車牌辨識。研究提出recoverabilitymaps透過密集模擬退化參數掃描與兩項指標量化可復原範圍與失敗風險。實驗在極端視角與真實攝影器材雜訊下驗證，最佳模型可回復約93%的參數空間，結果顯示感測幾何比模型架構更決定成敗。
深度分析
隨著生成式人工智慧被整合進相機的影像信號處理器（ISP），原本被視為可信的「相機直出影像」出現可能被幻覺化的風險。本文提出一套以元資料輔助的恢復方法：在拍攝時將一個預訓練的輕量編碼器與可於單張影像快速微調的多層感知器（MLP）解碼器產生的參數儲存於圖片元資料中。